d41586-026-01820-1.pdf
Nature об ИИ в математике и физике
Наш хороший друг Михаил Сергеевич Бурцев вместе с коллективом соавторов написал статью про современное состояние ИИ в математике и физике. Душа реально радуется, когда видишь знакомое имя на первой странице сайта Nature. Очень круто! Поздравляю! Статья безусловно заслуживает внимательного прочтения не только физикам и математикам. Однако, прочтение статьи философом позволяет увидеть важные недосказанности.
Сейчас много пишут о том, что AI уже помогает математикам и физикам: проверяет доказательства, ищет контрпримеры, предлагает промежуточные леммы, формализует рассуждения, просматривает огромные пространства вариантов. В этом смысле ИИ становится чем-то вроде очень «умного карандаша», по выражению Карла Поппера, инструмента, который резко усиливает исследователя. Аугментация, а не замена ученого. С этим пока ясно.
Но меня в этой дискуссии интересуют два более глубоких вопроса.
Первый — про теоретическую физику. Математика во многом живёт внутри пространства символов, доказательств и формальных переходов. Поэтому её легче представить как область, где AI может быстро нарастить мощность: перебрать гипотезы, проверить доказательство, найти нетривиальный пример.
Но история физики устроена сложнее. Важнейшие открытия часто начинались не с перебора формул, а с мысленного эксперимента.
Галилей воображает движение тел по инерции так, как его невозможно было напрямую увидеть в привычном мире. Эйнштейн представляет, что значит «лететь рядом со световым лучом», и из этого рождается новая физическая картина мира.
В окружающей реальности тогда не было готовых символов, графиков или данных, которые сами подталкивали бы к этим выводам. Нужно было сначала придумать новый способ видеть мир.
Отсюда вопрос: насколько теоретическая физика вообще подвержена AI-изации?
ИИ может быть великолепным помощником: проверять алгебру, искать следствия, строить модели, находить аналогии, подсказывать забытые статьи. Вспоминается, что рядом с Эйнштейном всегда был помощник по математике - сам великий физик был слабоват в этой науке. Но способен ли он на настоящий, оригинальный мысленный эксперимент? Не на комбинацию уже существующих концептов, а на создание новой рамки, в которой старый мир вдруг становится частным случаем?
Второй вопрос — уже про математику. Я бы назвал его проблемой «математической мусорной корзины». Все современные генеративные системы обучались в основном на положительном знании: статьях, книгах, доказательствах, опубликованных результатах. То есть на том, что дошло до печати и стало частью формального корпуса науки. Но в реальной математике существует не менее важный слой знания — отрицательное знание: «Туда не ходи!».
Такое знание почти никогда не становится статьёй. Особенно в эпоху гонки за публикациями и индексами цитирования. Оно остаётся в головах математиков, в разговорах у доски, в семинарах, в замечаниях научного руководителя, в интонации старшего коллеги. Именно это негативное знание часто экономит годы жизни.
Лейденская декларация правильно ставит вопрос о прозрачности, авторстве, ответственности, роли бигтехов, риске хайпа и зависимости науки от закрытых моделей. Но мне кажется, что есть ещё один слой проблемы: ИИ учится на архиве удач, но почти не видит кладбище неудач.
А без этого кладбища невозможно понять, что в науке действительно ценно.
Поэтому главный вопрос не в том, заменит ли ИИ математика или физика и как конкретно будет осуществляться аугментация ученого машиной. Главный вопрос другой: сможет ли ИИ стать частью настоящей исследовательской культуры, где есть не только доказанные теоремы, но и вкус, запреты, неудачные маршруты, устная традиция, выбор достойных задач и способность придумать новый мысленный эксперимент?
ИИ ускоряет движение внутри известных пространств знаний. Но может ли машина открыть новое пространство?
Наш хороший друг Михаил Сергеевич Бурцев вместе с коллективом соавторов написал статью про современное состояние ИИ в математике и физике. Душа реально радуется, когда видишь знакомое имя на первой странице сайта Nature. Очень круто! Поздравляю! Статья безусловно заслуживает внимательного прочтения не только физикам и математикам. Однако, прочтение статьи философом позволяет увидеть важные недосказанности.
Сейчас много пишут о том, что AI уже помогает математикам и физикам: проверяет доказательства, ищет контрпримеры, предлагает промежуточные леммы, формализует рассуждения, просматривает огромные пространства вариантов. В этом смысле ИИ становится чем-то вроде очень «умного карандаша», по выражению Карла Поппера, инструмента, который резко усиливает исследователя. Аугментация, а не замена ученого. С этим пока ясно.
Но меня в этой дискуссии интересуют два более глубоких вопроса.
Первый — про теоретическую физику. Математика во многом живёт внутри пространства символов, доказательств и формальных переходов. Поэтому её легче представить как область, где AI может быстро нарастить мощность: перебрать гипотезы, проверить доказательство, найти нетривиальный пример.
Но история физики устроена сложнее. Важнейшие открытия часто начинались не с перебора формул, а с мысленного эксперимента.
Галилей воображает движение тел по инерции так, как его невозможно было напрямую увидеть в привычном мире. Эйнштейн представляет, что значит «лететь рядом со световым лучом», и из этого рождается новая физическая картина мира.
В окружающей реальности тогда не было готовых символов, графиков или данных, которые сами подталкивали бы к этим выводам. Нужно было сначала придумать новый способ видеть мир.
Отсюда вопрос: насколько теоретическая физика вообще подвержена AI-изации?
ИИ может быть великолепным помощником: проверять алгебру, искать следствия, строить модели, находить аналогии, подсказывать забытые статьи. Вспоминается, что рядом с Эйнштейном всегда был помощник по математике - сам великий физик был слабоват в этой науке. Но способен ли он на настоящий, оригинальный мысленный эксперимент? Не на комбинацию уже существующих концептов, а на создание новой рамки, в которой старый мир вдруг становится частным случаем?
Второй вопрос — уже про математику. Я бы назвал его проблемой «математической мусорной корзины». Все современные генеративные системы обучались в основном на положительном знании: статьях, книгах, доказательствах, опубликованных результатах. То есть на том, что дошло до печати и стало частью формального корпуса науки. Но в реальной математике существует не менее важный слой знания — отрицательное знание: «Туда не ходи!».
Такое знание почти никогда не становится статьёй. Особенно в эпоху гонки за публикациями и индексами цитирования. Оно остаётся в головах математиков, в разговорах у доски, в семинарах, в замечаниях научного руководителя, в интонации старшего коллеги. Именно это негативное знание часто экономит годы жизни.
Лейденская декларация правильно ставит вопрос о прозрачности, авторстве, ответственности, роли бигтехов, риске хайпа и зависимости науки от закрытых моделей. Но мне кажется, что есть ещё один слой проблемы: ИИ учится на архиве удач, но почти не видит кладбище неудач.
А без этого кладбища невозможно понять, что в науке действительно ценно.
Поэтому главный вопрос не в том, заменит ли ИИ математика или физика и как конкретно будет осуществляться аугментация ученого машиной. Главный вопрос другой: сможет ли ИИ стать частью настоящей исследовательской культуры, где есть не только доказанные теоремы, но и вкус, запреты, неудачные маршруты, устная традиция, выбор достойных задач и способность придумать новый мысленный эксперимент?
ИИ ускоряет движение внутри известных пространств знаний. Но может ли машина открыть новое пространство?