Przez większą część ubiegłego stulecia praktyka matematyki zmieniała się zadziwiająco niewiele. Matematyk zauważa wzór, pisze hipotezę, spędza miesiące lub lata na konstruowaniu dowodu, a inni matematycy go weryfikują. Obecnie, według szczegółowego raportu Benjamina Skuse w IEEE Spectrum, sztuczna inteligencja zaczyna omijać ten powolny, przemyślany proces i zmusza całą dziedzinę do skonfrontowania się z tym, co tak naprawdę oznacza bycie matematykiem.
Artykuł opublikowany 25 czerwca 2026 r. śledzi, jak szybko ewoluowały duże modele językowe od tego, co krytycy niegdyś uważali za stochastyczne papugi, do autentycznych matematycznych mechanizmów rozumowania i co ta zmiana oznacza dla ludzi, którzy zawsze wykonywali tę pracę. Więcej kontekstu na ten temat znajdziesz w naszych wiadomości AI.
Szybko rosnący wpływ sztucznej inteligencji na matematykę
Obliczenia przyspieszają matematykę od dziesięcioleci. Punkt zwrotny nastąpił mniej więcej 50 lat temu, kiedy za pomocą komputera udowodniono twierdzenie o czterech kolorach, które pytało, czy dowolną mapę można pokolorować nie więcej niż czterema kolorami, tak aby żaden sąsiadujący region nie miał tego samego koloru. Odpowiedź brzmiała: tak, ale dowód był kontrowersyjny, ponieważ polegał na sprawdzeniu 1936 przypadków, których żaden człowiek nie był w stanie realistycznie zweryfikować ręcznie.
Nawet w tej epoce obliczeniowej matematyk pozostawał w centrum uwagi, proponując przypuszczenia, opracowując strategie i weryfikując wyniki. Sztuczna inteligencja bezpośrednio kwestionuje to rozwiązanie. Zeszłego lata systemy Google DeepMind i OpenAI osiągnęły poziom równy poziomowi najbardziej uzdolnionych matematycznie uczniów szkół średnich na świecie, zdobywając złoty medal na Międzynarodowej Olimpiadzie Matematycznej (IMO) – corocznym konkursie, w którym uczestnicy muszą rozwiązać sześć notorycznie trudnych problemów.
Kamienie milowe wciąż przyspieszają. Wcześniej w 2026 r. eksperymentalny system Google DeepMind Aletheia autonomicznie stworzył nadające się do publikacji wyniki badań na poziomie doktoranckim. Chociaż sama praca jest matematycznie niejasna, obliczanie stałych struktury w geometrii arytmetycznej, znaczenie leży w złożonym rozumowaniu wymaganym do rozwiązania wcześniej nierozwiązanego problemu. Niedawno nowy system sztucznej inteligencji ogólnego przeznaczenia opracowany przez OpenAI obalił ważne przypuszczenia dotyczące geometrii kombinatorycznej, co spowodowało, że czołowi matematycy okrzyknęli go kamieniem milowym w tej dziedzinie i który zasługiwał na publikację w dużym czasopiśmie.
Asystenci dowodu i wąskie gardło związane z formalizacją
Druga zmiana polega na połączeniu dużych modeli językowych z asystentami sprawdzającymi. Systemy takie jak Isabelle, Lean, czy Rocq to specjalistyczne języki programowania, które krok po kroku sprawdzają dowody matematyczne, weryfikując ich logiczną poprawność. Od ponad dziesięciu lat wąskim gardłem jest formalizacja, czyli pracochłonny proces ręcznego tłumaczenia twierdzeń i dowodów na kod nadający się do odczytu maszynowego.
Firmy LLM zaczynają usuwać to wąskie gardło, automatyzując tłumaczenie nieformalnych dowodów na formalny kod, który mogą zweryfikować asystenci ds. dowodów. W lutym firma Math, Inc. zajmująca się sztuczną inteligencją wykorzystała swój agent wnioskowujący o nazwie Gauss do sformalizowania pracy, która w 2022 r. przyniosła Marynie Wiazowskiej z EPFL medal Fieldsa. Gauss najpierw pomógł matematykom w dokończeniu formalizacji rozwiązania Wiazowskiej 8-wymiarowego problemu upakowania sfer w ciągu kilku dni, a następnie samodzielnie sformalizował bardziej skomplikowany 24-wymiarowy przypadek w zaledwie dwa tygodnie.
Takie osiągnięcia sugerują, że sztuczna inteligencja już radzi sobie z zadaniami od dawna uważanymi za wyłącznie ludzkie i że znaczna część codziennej pracy matematyka może wkrótce stać się uczciwą grą w automatyzacji.
Matematycy debatują, czy zostaną „kapłanami wyroczni”
W relacji z 12. Forum Laureatów w Heidelbergu, które odbyło się we wrześniu 2025 r., Skuse opisuje wyczuwalny niepokój wśród publiczności, gdy prelegenci opisywali przyszłość, w której nadludzkie systemy sztucznej inteligencji formułują domysły, przeszukują przestrzenie rozwiązań, udowadniają twierdzenia, weryfikują dowody i uogólniają wyniki bez udziału człowieka.
Yang-Hui He z Londyńskiego Instytutu Nauk Matematycznych w pamiętny sposób przestrzegł, że matematycy mogą stać się „kapłanami wyroczni”. Jessica Randall, matematyk z Google Developer Groups, stwierdziła, że wyczuła narastający wśród młodych badaczy zbiorowy strach egzystencjalny. „Z pewnością zaczęliśmy zdawać sobie sprawę, że sztuczna inteligencja może nas zastąpić” – powiedziała IEEE Spectrum.
Nie wszyscy są zaniepokojeni. Niektórzy uznani matematycy chcą po prostu odpowiedzi na najważniejsze otwarte pytania, takie jak sześć pozostałych problemów związanych z Nagrodą Milenijną, niezależnie od tego, kto lub co je produkuje. „Wielu matematyków jest pragmatycznych i chce po prostu zrozumieć” – zauważył Jeremy Avigad z Carnegie Mellon University. „Zaprzedaliby swoją duszę za rozwiązanie problemu”.
Trzy konkurencyjne wizje przyszłości
Raport IEEE Spectrum przedstawia trzy szerokie wizje potencjalnego współistnienia matematyki i sztucznej inteligencji.
Pierwszy to pogląd skoncentrowany na człowieku, który priorytetowo traktuje ludzkie zrozumienie i traktuje sztuczną inteligencję jako narzędzie, podobnie jak kalkulator. Medalista Fieldsa i matematyk z Princeton, Akshay Venkatesh, twierdzi, że matematyka jest w istocie sposobem na osiągnięcie porozumienia. „Czasami myślę, że kiedy używamy liczb, nie chodzi o to, że opisujemy zjawiska, które są z natury numeryczne, ale o to, że wszyscy możemy się zgodzić, co dokładnie oznaczają te liczby” – powiedział.
Drugie podkreśla nieredukowalnie ludzkie doświadczenie walki. Maia Fraser z Uniwersytetu w Ottawie argumentuje, że dowód sztucznej inteligencji na uparte przypuszczenia jest użyteczny tylko wtedy, gdy jest zrozumiały dla ludzi. „To, że stwierdzenie to może zostać udowodnione przez sztuczną inteligencję, jest już użyteczną informacją” – przyznała. „Ale w takim razie stworzenie eleganckiego, pięknego ludzkiego dowodu nadal pozostaje otwartym problemem”.
Trzeci, być może najbardziej ambitny, pochodzi od Terence'a Tao z UCLA, który po raz pierwszy wziął udział w olimpiadzie matematycznej w wieku 10 lat i jest obecnie jednym z najbardziej utytułowanych matematyków na świecie. Tao postrzega sztuczną inteligencję jako katalizator tego, co nazywa „wielką matematyką”, przyszłości zdecentralizowanej współpracy między ludźmi i maszynami na dużą skalę, w której złożone problemy są dzielone na części, przy czym ludzie pełnią rolę twórczą, a sztuczna inteligencja zajmuje się technicznymi pracami.
Dyscyplina pytająca, dlaczego istnieje
Tym, co sprawia, że ten moment jest niezwykły, jest to, że debata nie ma już charakteru hipotetycznego. Systemy sztucznej inteligencji już zdobywają złote medale IMO, prowadząc badania nadające się do publikacji, obalając przypuszczenia i formalizując dowody nagrodzone Medalem Fieldsa w ciągu kilku dni, a nie lat.
Dla studentów takich jak Trill White z australijskiego Uniwersytetu Deakin, którzy uczestniczyli w forum w Heidelbergu, uświadomienie sobie tego było trudne. „To druzgocące” – wspominał swoje przemyślenia White. „Co ludzie będą musieli wnieść do matematyki? Czy stanie się ona czymś, czego nikt nie rozumie?”
Odpowiedź nie jest jeszcze przesądzona. Ale jak jasno wynika z raportu Skuse, matematyka, jedna z najstarszych dyscyplin intelektualnych ludzkości, stoi obecnie przed tym samym pytaniem, które zmienia niemal każdą dziedzinę, której dotyka sztuczna inteligencja: skoro maszyna może wykonać pracę, po co właściwie ta praca?
Źródło: Benjamin Skuse, „What It Mes to Be a Mathematician When AI Does the Math”, IEEE Spectrum, 25 czerwca 2026 r.---
Bądź na Bieżąco z AINajnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.
Czytaj więcej wiadomości AI →
