Terence Tao, UCLA-matematikern som allmänt anses vara den mest inflytelserika levande figuren på området, har publicerat en uppsats som hävdar att artificiell intelligens driver matematiken in i en period av turbulens jämförbar med den grundläggande krisen som omformade disciplinen för ett sekel sedan. Tidningen, "Mathematics in the age of AI", dök upp på arXiv den 17 augusti och är baserad på en offentlig föreläsning som Tao höll vid 2026 International Congress of Mathematicians.
Uppsatsen har snabbt blivit en av veckans mest diskuterade vetenskapliga texter bland forskare och ingenjörer, och lockar stor publik på forum som Hacker News. För ett område som har ägnat de senaste tre åren åt att diskutera om AI verkligen kan göra matematik på forskningsnivå, ändrar Taos argument frågan helt.
En värderingskris, inte sanning
Taos historiska inramning är avsiktlig. Mellan ungefär 1900 och 1930 skakades matematiken av Russells paradox 1901 och Gödels ofullständighetsteorem 1931 – upptäckter som tvingade matematiker att överge informella antaganden och bygga de explicita, rigorösa grunder som ämnet fortfarande vilar på idag. Den turbulensen, hävdar han, gjorde till slut matematiken starkare.
Parallellen han drar är exakt: det som stresstestas nu är inte matematikens ramverk för sanning, utan dess "till stor del implicita ram av matematiska värderingar och praktiker" - vad samhället anser att ett bidrag är, vad det belönar, vad det betraktar som förstått, och vem, eller vad, det anser ha gjort arbetet. Precis som den senaste krisen tvingade det implicita att bli explicit, hävdar Tao att detta kommer att tvinga matematiker att kodifiera mål som aldrig har behövt skrivas ner.
Hoppa över kapacitetsdebatten
Uppsatsens mest slående strukturella val är att den vägrar att argumentera om huruvida AI kan göra matematik. Istället utgår Tao från hypotesen att AI-verktyg som kan utföra matematiska uppgifter på forskningsnivå kommer att anlända, och behandlar allt nedströms det antagandet som det verkliga problemet. Han kallar detta "Community Response Question": hur ska det matematiska samhället reagera, inte om förmågorna är verkliga.
Det är ett medvetet ortogonalt drag. Debatter om modellförmåga, enligt Tao, är både olösliga i det abstrakta och vid sidan av saken. De akuta frågorna – vad matematik är till för och vad dess utövare faktiskt värdesätter – skulle kräva svar även om AI-framstegen avstannade imorgon.
Proof Scarcity, Proof Abundance och Goodhart's Law
Centralt i uppsatsen är en fallstudie om problemlösning, den komponent i matematisk praktik som är mest direkt hotad av automatisering. Tao undersöker vad som händer när fältet går från en ekonomi med brist på bevis – där verifierade originalbevis är sällsynta och värdefulla – till en ekonomi med bevisöverflöd, där maskingenererade argument är billiga och rikliga.
Hans lista med sökord signalerar marken han täcker: formalisering, bevisassistenter, peer review, Goodharts lag. Den sista punkten – principen att en åtgärd upphör att vara en bra åtgärd när den väl blir ett mål – återkommer hela tiden. Antal publikationer, tävlingsresultat och satsens ursprung har alla fungerat som proxy för matematiska bidrag. I en värld där AI kan blåsa upp dessa proxyservrar i stor skala, kommer samhället att behöva belöna vad det faktiskt värdesätter snarare än vad det historiskt har kunnat räkna.
Uppsatsen avslutas med rekommendationer och en undersökning av nya arbetsflöden – inklusive formella bevismiljöer av det slag som Tao själv har förespråkat i experiment med AI-assisterad, formellt verifierad matematik – tillsammans med ett uppriktigt erkännande av att samhällets svar kommer att utvecklas i takt med att tekniken gör.
Varför en matematikuppsats är viktig utanför matematiken
Tao är en ovanlig figur: en Fields-medaljör som har ägnat flera år åt att arbeta direkt med provassistenter och AI-verktyg snarare än att kommentera dem på distans. Det praktiska engagemanget ger uppsatsen tyngd bortom ren matematik, eftersom nästan varje forskningsdisciplin står inför samma inversion som han beskriver. Peer review, författarskap, kreditering och definitionen av ett bidrag är under samma press inom fysik, biologi och datavetenskap - fält som saknar matematikens hundraåriga försprång när det gäller att göra sina grunder tydliga.
Mottagandet hittills tyder på att argumentet har landat. Diskussionstrådar har fokuserat på Taos brist-till-överflöd inramning som en användbar lins för akademin i stort, med särskild uppmärksamhet på hans poäng att värdekrisen, till skillnad från krisen med stiftelser, inte kan lösas av en liten grupp logiker. Det kommer att behöva utarbetas av hela samhället - tidskrifter, anställningskommittéer, bidragsorgan och matematiker vars karriärer bygger på de implicita normer som nu är ansträngda.
Taos slutsats är i slutändan konstruktiv snarare än orolig. Den grundläggande krisen skapade ett pålitligt ramverk som överlevde ett sekel av tester. En grundlig, ärlig undersökning av vad matematiken faktiskt värdesätter, menar han, skulle kunna lämna disciplinen starkare och mer motståndskraftig än tidigare - förutsatt att samhället gör arbetet med att göra sina oskrivna regler explicita innan omständigheterna gör valet för det.
---
Stay ahead of AIFå de senaste AI-nyheterna, analyserna och genombrotten – allt på ett ställe.
Läs mer AI-nyheter →
