Student matematyki potrzebuje czasu, żeby nauczyć się błądzić, sprawdzać intuicje i rozpoznawać granice własnego rozumowania. Jeśli od początku otrzymuje gotowy argument, może ominąć doświadczenie, które miało przygotować go do samodzielnego odkrywania. Przed takim scenariuszem przestrzega Cédric Villani w wywiadzie udzielonym Ronanowi Planchonowi dla „Le Figaro”, rozpatrując rozwój AI jako wyzwanie dla ciągłości naukowej edukacji. Zdobywca Medalu Fieldsa z 2010 roku pyta zarazem o przyszłość środowiska, którego podstawowe narzędzia mogą zostać skupione w rękach zagranicznych firm.
Dlaczego kształcenie matematyków w epoce AI wymaga samodzielnej pracy?
Villani opisuje naukę zawodu badacza jako wieloletnie terminowanie, podczas którego trudny problem pomaga ukształtować wytrwałość i własny sposób myślenia. Pod opieką bardziej doświadczonych matematyków doktorant poznaje pojęcia, uczy się stawiać pytania i stopniowo przejmuje odpowiedzialność za argumentację. Szybkie uzyskanie końcowego rozwiązania może przerwać tę sekwencję, nawet gdy sam rezultat okaże się wartościowy. Dlatego rozmówca gazety zaleca rozpoczynanie od wymagających ćwiczeń bez automatycznego wsparcia, aby późniejsze korzystanie z narzędzi opierało się na zdobytych umiejętnościach.
Ta troska o kompetencje ma szersze tło, ponieważ wytyczne UNESCO dotyczące generatywnej AI w edukacji i badaniachakcentują rozwijanie ludzkich zdolności oraz dostosowanie sposobu użycia technologii do wieku i sytuacji uczącego się. Villani nie przedstawia uniwersalnego programu zajęć, lecz formułuje zasadę, według której biegłość musi poprzedzać delegowanie kluczowych czynności. Wspomina również anegdotę o młodych pracownikach, którzy po utracie internetu nie potrafili przygotować sprawozdania ze spotkania, traktując ją jako ilustrację zależności od cyfrowego wsparcia. Obawa dotyczy więc trwałej utraty praktyki potrzebnej do działania wtedy, gdy narzędzie zawodzi albo jego odpowiedź wymaga poprawienia.
Co oznacza październikowa publikacja dla przyszłych badaczy?
Skalę przyspieszenia unaocznia udostępnienie przez OpenAI 719 opracowań zebranych w 372 grupy powiązanych rezultatów, co w rozmowie zostaje przybliżone jako około 400 wyników. Dla Villaniego jest to wydarzenie wyjątkowe na tle szacowanych przez niego 100–200 tysięcy twierdzeń dowodzonych rocznie, ponieważ obejmuje problemy długo czekające na rozstrzygnięcie. We własnym obszarze badań rozpoznał dwa bezpośrednio istotne twierdzenia, wśród nich odpowiedź na hipotezę liczącą prawie dwie dekady. Ocenił tę konkretną zdobycz pozytywnie, widząc możliwość ponownego podjęcia zagadnienia porzuconego z powodu trudności technicznych.
W odniesieniu do innych zespołów opisuje jednak dużo bardziej bolesne doświadczenie, przywołując Hugona Duminila-Copina i nagłe rozwiązanie problemów stanowiących przedmiot jego planów badawczych. Chodzi o laureata Fieldsa z 2022 roku, którego CNRS przedstawia jako badacza prawdopodobieństwa, przejść fazowych i zjawisk związanych z fizyką. Ocena emocjonalnej reakcji tego uczonego pochodzi w wywiadzie od Villaniego, dlatego nie należy przedstawiać jej jako odrębnej deklaracji Duminila-Copina. Przytoczona historia pokazuje natomiast możliwy wstrząs w planowaniu kariery, kiedy zadanie wybrane na wiele lat traci dotychczasowy status w ciągu bardzo krótkiego czasu.
Czy większa liczba odpowiedzi oznacza głębszą wiedzę?
Francuski matematyk wskazuje, że istnienie dowodu dopiero otwiera pytania o jego czytelność, zasadniczy pomysł i możliwość wykorzystania w dalszej pracy. Używa przykładu rozumowania rozciągniętego na trzy tysiące stron, aby pokazać, jak wielka techniczna sprawność może utrudnić wydobycie prostej idei. Z perspektywy kształcenia oznacza to potrzebę przygotowania osób zdolnych tłumaczyć skomplikowane konstrukcje innym ludziom i wyszukiwać nowe kierunki dociekań. Również zalecenia grupy doradczej zajmującej się matematyką i AI, opublikowane 29 września 2026 roku po zebraniu ponad 600 odpowiedzi środowiska, podkreślają wagę ludzkiego rozumienia i odpowiedzialności za ogłaszane argumenty.
Własny komunikat OpenAI z 6 października opisuje publikację formalizacji części dowodów oraz dodatkowych informacji o procesie uzyskiwania rezultatów. W aktualizacji z 15 października firma zapowiada także wkład 5 mln dolarów w inicjatywę Simons Foundation wspierającą analizowanie i rozwijanie takich prac. Zapowiedziane wsparcie pokazuje, że firma dostrzega potrzebę dalszej pracy nad rozumieniem wyników, ale nie przesądza o ocenie każdego z nich. Uznanie matematyczne zależy również od tego, czy nowe rozstrzygnięcia uda się włączyć do warsztatu całej wspólnoty.
Od czego zależy samodzielność europejskiej nauki?
W ostatniej części wywiadu Villani przenosi uwagę na kontrolę nad modelami, ich dostępność i konsekwencje podporządkowania badań komercyjnej infrastrukturze. Europejskie uczelnie mogą dysponować wybitnymi ludźmi, a równocześnie tracić wpływ na warunki korzystania z technologii wyznaczającej tempo odkryć. Inny model współpracy pokazuje otwarta społeczność Lean i biblioteki mathlib, rozwijająca wspólne zasoby formalnej matematyki; nie jest to jednak odpowiednik całego zaplecza potrzebnego do budowy najpotężniejszych systemów AI. Rozróżnienie tych dwóch poziomów pozwala oddzielić otwartość zapisu dowodu od dostępu do narzędzia, które potrafi go znaleźć.
Do kwestii niezależności dochodzi materialny koszt obliczeń, na który francuski uczony zwraca uwagę z perspektywy własnych obaw ekologicznych. Związki między rozwojem AI a zapotrzebowaniem na energię analizuje raport Międzynarodowej Agencji Energetycznej „Energy and AI”, choć nie jest on bilansem konkretnej publikacji matematycznej. Wybór narzędzi badawczych obejmuje zatem zarówno ich skuteczność, jak i finansowanie, dostępność oraz infrastrukturę. Dla młodego naukowca warunki te mogą decydować o tym, czy będzie mógł rozwijać własny program, czy pozostanie użytkownikiem usługi z zasadami ustalanymi poza uczelnią.
Villani wiąże przetrwanie żywej dyscypliny z obecnością studentów, ważnych problemów, nowych pojęć i historii przekazywanych między pokoleniami. Jego diagnoza prowadzi do postulatu utrzymania wysokich wymagań intelektualnych w świecie, w którym zdobycie odpowiedzi staje się łatwiejsze. Przyszli matematycy będą potrzebowali umiejętności oceny znaczenia wyniku, wyboru dalszego pytania i rozmowy z innymi badaczami. Uczelnia stanie zatem przed zadaniem wychowania ludzi zdolnych korzystać z technologii i zachować własną zdolność odkrywania.
Kazimierz Olejnik
