Математики по всему миру обеспокоены невиданной доселе экспансией искусственного интеллекта: машины начали решать задачи, над которыми человечество билось больше века, — но результаты таких решений рискуют оказаться непонятными для людей. Как сообщается в материале The Economist, опубликованном в La Vanguardia 14 октября 2026 года, в начале сентября OpenAI заявила, что один из её внутренних моделей ИИ решил одну из «Проблем тысячелетия» — задачу о существовании и гладкости решений уравнений Навье–Стокса, описывающих движение жидкостей. На это у машины ушло 88 часов, тогда как математики боролись с проблемой не менее столетия. Это лишь вторая из семи «Проблем тысячелетия», получившая решение, и первая, доставшаяся компьютеру.

Уже 6 октября OpenAI опубликовала лавину из 719 статей с решениями ещё как минимум 372 давних открытых математических проблем. «Возможно, самый важный день в истории математики на сегодняшний день», — так оценил это событие математик из Университета Коннектикута Альваро Лосано-Робледо. Однако многие представители научного сообщества не разделяют восторга. «Потрясение огромное. Я парализован», — написал Хьюго Дюминиль-Копен, математик Женевского университета и лауреат Филдсовской премии 2022 года. В заявлении, которое уже поддержали более 8 тысяч исследователей, Дюминиль-Копен и ещё 27 обладателей Филдсовской медали назвали происходящее «серьёзной дезалигнизацией ИИ в математической сфере». По словам другого подписанта, Мартина Хайрера из швейцарской EPFL, если тенденцию не остановить, ИИ «стерилизует» эту область науки.

Критики настаивают: сосредоточенность на готовых ответах обесценивает сам путь поиска, который часто порождает новые инструменты и методы, выходящие далеко за пределы исходной задачи. Примером служат мнимые числа, которые математики XVI века называли «такими же тонкими, как и бесполезными», а сегодня они лежат в основе электротехники и квантовой физики. При этом, по словам математиков, сотни новых статей OpenAI не принесли ни удивительных идей, ни новых направлений исследований. ИИ, как отмечает Луис Мартинес-Сорока, математик мадридского университета CUNEF и один из ведущих специалистов по проблеме Навье–Стокса, плохо объясняет, как приходит к результатам: свою методологию машина изложила в 166-страничном труде, который эксперт сравнил со «своего рода Франкенштейном, собранным из частей разных исследований», — далёким от ясности.

Математика — лишь вершина айсберга. Анализ 41,3 миллиона статей по естественным наукам, опубликованный в Nature в январе, показал, что исследователи всё активнее внедряют ИИ. По словам Тонга из Кембриджского университета, технология уже радикально изменила работу физиков-теоретиков: «При вычислениях теперь естественно обращаться к большой языковой модели. Ещё три месяца назад это было не так». Учёные, использующие ИИ, публикуют больше и получают больше цитирований, однако исследование Nature зафиксировало и обратную сторону: разнообразие изучаемых тем сократилось почти на 5%, а взаимодействие учёных с работами коллег — на 22%. Исследователь из Чикагского университета Эванс, один из авторов работы, называет это «закрытием» научных направлений. С опросом Google, охватившим более 600 учёных, согласуются те же выводы: почти половина респондентов признала, что ИИ подталкивает их к более безопасным и постепенным проектам с гарантированно публикуемыми результатами, и лишь 28% видят в нём возможность для рискованных и смелых исследований.

В статье в Frontiers in Artificial Intelligence специалист по информатике Королевского колледжа Лондона Эктор Сенил и Эванс описывают будущее, в котором ИИ вместе с робототехникой замкнёт научный цикл: машины смогут автономно проводить измерения, формулировать гипотезы, проверять их в лаборатории и оценивать выводы. Исследователи предупреждают, что это способно увести науку на неизведанную территорию, где машинные исследования перестанут быть понятны человеку. Возможно, учёным придётся работать как археологам — раскапывать находки ИИ и пытаться понять, как они были получены. Тонг, настроенный при этом оптимистично, осторожно замечает: «Я не уверен, что мы действительно готовы к тому, что нас ждёт через полгода или год».

Пока математики не остались без работы: проверка непрозрачных результатов OpenAI и отбор наиболее плодотворных подходов обещают им много задач. К тому же, замечают специалисты, машины по-прежнему слабы в творчестве — неясно, например, смогла бы ИИ изобрести мнимые числа. Впрочем, как выясняет на собственном опыте математик Ален Конн, который ещё в 2000 году считал «Проблемы тысячелетия» абсолютно недоступными для компьютеров, те, кто недооценивает потенциал этой технологии, действуют на свой страх и риск.