Терренс Тао: ИИ истощает запас открытых математических задач
Терренс Тао, профессор математики Калифорнийского университета в Лос-Анджелесе (UCLA), опубликовал 8 сентября 2026 года в своём аккаунте на Mastodon разбор из четырёх постов о том, как ИИ-инструменты влияют на математические исследования. Его тезис: набор хороших, плодотворных открытых задач сейчас вычерпывается ИИ невосполнимым образом, и это может привести к их дефициту, при том, что множество мыслимых задач в принципе бесконечно.
Тао поясняет парадокс аналогией: регион может страдать от острой нехватки питьевой воды, находясь при этом рядом с целым океаном. Задач можно сформулировать сколько угодно, например, вычислить 10^10^10-ю цифру числа пи, но подавляющее большинство таких задач не стоит внимания: они не открывают новых связей и идей, слишком легки или слишком недостижимы для известных методов. Определить, действительно ли задача заслуживает внимания, долгий, вдумчивый и во многом субъективный процесс, который опирается на понимание «ландшафта сложности» области: какие вопросы решаются легко, какие, с усилием, какие пока недостижимы. Любой новый метод, технология или инфраструктура (например, доступ к архивам прошлых работ) снижает сложность решения задач, это в целом хорошо, но одновременно «сглаживает» ландшафт сложности области, из-за чего в нём труднее разглядеть по-настоящему перспективные вопросы.
Особенность нынешнего этапа развития ИИ, по словам Тао, в отсутствии чётких границ применимости: ИИ-инструменты уже сгладили ландшафт сложности во многих областях математики, но нет ясной черты, отделяющей задачи, посильные ИИ, от задач, которые ИИ пока не под силу (а такие точно есть, поскольку сложность задач в принципе не ограничена и может быть даже неразрешимой алгоритмически). Причины, быстрое изменение самой технологии, а также отказ ИИ-компаний раскрывать свои неудачные попытки решения или сам процесс получения решений. В итоге именно распознавание перспективной задачи, а не сами задачи, стало дефицитным и ценным ресурсом: по наблюдению Тао, даже слух о том, что кто-то работает над задачей, способен спровоцировать массированные усилия ИИ по её решению («сглаживанию») раньше, чем оригинальное исследование успеет раскрыть весь свой потенциал.
Тао предупреждает: стимулы теперь могут склонять исследователей к тому, чтобы вовсе перестать публично делиться перспективными направлениями работы, а это развернуло бы вспять многовековую традицию открытой науки и нанесло бы серьёзный долгосрочный вред всей области. Полный запрет на использование автоматических инструментов для «выдёргивания» решений технически вряд ли осуществим, признаёт он, но научное сообщество, по его мнению, всё же может выделить классы задач, для которых явно требуется не сырое решение, а вдумчивый анализ, раскрывающий инсайты и понимание соседних задач, а не просто ответ. Свою мысль он поясняет аналогией с современными продуктовыми банками: те больше не принимают любые пригодные в пищу пожертвования, а придерживаются явных и социально принятых стандартов того, какой вклад им действительно нужен.
В тексте не назван ни один конкретный ИИ-инструмент, модель или компания, не указана ссылка на упомянутую Тао более раннюю публикацию на ту же тему, не приведён ни один конкретный пример «сглаженной» ИИ задачи и нет статистики о масштабе явления. Тао также не утверждает, что кто-то из исследователей уже реально перестал делиться направлениями работы, он описывает это как возможный будущий сдвиг стимулов, а не свершившийся факт.
Ключевые факты
- Терренс Тао (профессор математики, UCLA) 8 сентября 2026 года опубликовал в Mastodon разбор из четырёх постов о влиянии ИИ на математические исследования.
- Его тезис: набор хороших, плодотворных открытых задач вычерпывается ИИ невосполнимым образом, дефицитен не сам список задач (он бесконечен), а способность распознать среди них перспективную.
- ИИ-инструменты уже «сгладили» ландшафт сложности во многих областях математики, но чёткой границы между посильными и непосильными для ИИ задачами нет, отчасти из-за отказа ИИ-компаний раскрывать неудачные попытки и сам процесс решения.
- Тао опасается, что стимулы теперь толкают исследователей скрывать перспективные направления работы, что развернуло бы вспять традицию открытой науки.
- Как смягчение он предлагает выделять классы задач, требующие не сырого решения, а содержательного анализа, по аналогии с современными продуктовыми банками, принимающими не любые пожертвования, а те, что отвечают явным стандартам.
Почему это важно
Тао формулирует непривычный взгляд на то, как ИИ меняет саму механику научного прогресса: не через ускорение решения задач, а через истощение ресурса, который раньше казался бесконечным, способности распознать, какая задача вообще стоит внимания. Это переворачивает интуитивное представление: раз задач можно придумать сколько угодно, дефицита быть не должно, но Тао показывает, что настоящий дефицитный ресурс, не сами задачи, а компетентная разметка «что из этого достойно усилий».
Кому это важно
В первую очередь, математикам и исследователям в любых точных науках, где прогресс строится на постановке и решении открытых задач. Также это касается научных руководителей и фондов, задающих нормы публикации промежуточных результатов, и ИИ-компаний, чья практика не раскрывать неудачные попытки решения задач, по мнению Тао, усугубляет проблему.
Как это применить
Тао не предлагает технический запрет, он считает его практически невыполнимым, а предлагает сообществу явно выделять классы задач, для которых ценность представляет не сырой ответ, а анализ пути к решению: инсайты, понимание соседних вопросов, вклад в общий ландшафт сложности области. Практически это означает переход от «дайте решение» к формату, где решение без сопровождающего разбора считается недостаточным вкладом, аналогично тому, как продуктовый банк принимает не любую съедобную еду, а то, что отвечает заявленным стандартам.
Можно ли доверять
Автор, профессор математики UCLA, то есть практикующий исследователь, рассуждающий из собственного опыта работы в области. Материал опубликован в личном аккаунте автора на Mastodon как серия постов, а не как рецензируемая статья или официальное заявление: это личное авторское наблюдение и гипотеза, а не проверенное эмпирическое исследование. В тексте нет ни одной цифры, ни одного конкретного примера задачи или инструмента, ни ссылки на данные, все выводы опираются на общие рассуждения и одну гипотетическую иллюстрацию (о цифрах числа пи), которую сам Тао называет крайне маловероятной.
Риски и подводные камни
Ключевой тезис, о возможном сдвиге к закрытости в науке, подан как гипотеза о будущих стимулах, а не как уже случившийся факт: ни один исследователь пока не назван переставшим публиковать направления работы из-за этой динамики. Текст также не называет ни одного конкретного ИИ-инструмента, компании или задачи, которые считались бы «сглаженными», и не приводит ссылку на упомянутую Тао более раннюю публикацию на ту же тему, это делает тезис труднопроверяемым до появления конкретных примеров.
«Набор хороших, плодотворных открытых задач сейчас вычерпывается невосполнимым образом, что ведёт к потенциальному сценарию, при котором такие задачи станут дефицитными.»
— Терренс Тао