Искусственный интеллект переходит от роли вычислителя к участию в доказательствах, поиске контрпримеров и формализации аргументов. Системы вроде AlphaEvolve от DeepMind применяют эволюционный поиск и языковые модели для оптимизации алгоритмов в матричном умножении и комбинаторике.
Интеграция больших моделей с инструментами формальной верификации, такими как Lean, позволяет машинам проверять логику доказательств. Согласно исследованиям 2026 года, ИИ способен самостоятельно решать открытые математические задачи, включая гипотезы Эрдёша и OEIS.
Математик Теренс Тао характеризует текущий этап как переход от дефицита доказательств к их изобилию. Машины способны одновременно исследовать сотни путей, однако это создает риск «интеллектуального несварения», когда объем результатов превышает способность людей их интерпретировать.
Функции математиков смещаются в сторону выбора задач, оценки значимости машинных выводов и синтеза изолированных данных в концептуальные структуры. Главным вызовом становится не само производство доказательств, а поиск их смысла и глубинной структуры.
Математика стала полигоном для исследовательского ИИ из-за четких правил и возможности автоматической проверки. Эти изменения заставляют научное сообщество пересматривать подходы к академической этике, авторству и роли самостоятельного мышления в образовании.
