За сообщениями о научных достижениях искусственного интеллекта легко потерять из виду людей, благодаря которым эти достижения стали возможны. После публикации OpenAI 722 рукописей по математике и теоретической информатике, написанных с помощью ИИ, проект On Whose Shoulders («На чьих плечах») обратился к их научным источникам. Его главный вопрос — не только что смогла сделать модель, но и на какие человеческие открытия она опиралась.
Участники проекта, инициированного исследовательницей Ольборгского университета Qiongxiu Li, проследили ссылки на 11 067 научных работ примерно 9600 математиков за более чем пять столетий.
Среди авторов — 114 обладателей Филдсовской медали, Абелевской или Вольфовской премии. При этом большинство имён принадлежит не далёкому прошлому, а современной исследовательской среде.
Эти работы служат не просто фоном для библиографии. Их теоремы, оценки и методы становятся непосредственными инструментами рассуждений ИИ. В рукописях используются результаты Петера Шольце и Лорана Фарга, методы Теренса Тао, работы Григория Перельмана о потоке Риччи и достижения многих других исследователей. За внешне самостоятельным машинным доказательством обнаруживается разветвлённая сеть человеческого знания.
Однако значение учёных не ограничивается созданием материалов, на которых обучаются модели. Они формулируют содержательные задачи, определяют критерии правильности и оценивают полученные результаты.
Способность ИИ быстро предложить множество вариантов решения полезна лишь тогда, когда существует надёжный способ отличить доказательство от убедительно изложенной ошибки.
Именно поэтому число опубликованных рукописей нельзя автоматически считать числом научных прорывов. Как сообщается в материале, 7 октября OpenAI отозвала три рукописи после обнаружения ошибки со знаком и исправила ещё четырнадцать.
Это не обесценивает применение ИИ в исследованиях, но подчёркивает необходимость независимой проверки: научный текст становится достоверным результатом не в момент генерации.
Авторы проекта также обращают внимание на долгосрочный риск. Если успехи моделей будут восприниматься как свидетельство ненужности исследователей, научная среда может лишиться поддержки и притока молодых специалистов.
Между тем новые вопросы, экспериментальные данные и строгие методы проверки необходимы и для дальнейшего развития самого ИИ.
В таком прочтении история 722 рукописей — не рассказ о замене учёных машинами, а свидетельство нового разделения труда. ИИ расширяет масштаб поиска и ускоряет перебор подходов, а научное сообщество помогает определить, что искать и каким результатам доверять.
Признание этого вклада важно не только ради справедливости: без людей, создающих новое знание, у машин будет меньше оснований для следующего шага.