Константин Сонин

ИИ В НАУКЕ

Получил неожиданно много откликов, оффлайн, на свой пост про искусственный интеллект в преподавании. Поскольку я там не написал никакого ответа на вопросы, которые перед нами всеми, учителями и профессорами, стоят, это (реакция), очевидно, отражает то же напряжение и неопределенность, которая хорошо чувствуется в профессиональном сообществе.

В чистой науке ещё темнее. Я никогда не видел такого разброса ожиданий относительно того, как скажется ИИ на научных исследованиях как сейчас. Даже в самых "абстрактных" науках типа чистой математики и среди ведущих учёных наблюдается огромный разброс мнений - от мнения что всё, конец, через пару лет любая задача будет решаться ИИ быстрее и лучше, чем человеком, до мнения, что ИИ - это всего лишь что-то вроде нового компьютера или, скажем, ТеХа, которые, конечно, изменили научный мир, но никак не отменили его.

Но вот что совершенно понятно - про это и Теренс Тао, один из ведущих математиков современности, говорил на Математическом конгресс, и без Теренса Тао это понятно, что ближайшие годы мы будем жить в научном мире в условиях дисбаланса между "выпуском" и "потреблением". Грубо говоря, ИИ очень сильно упростило, удешевило и улучшило написание академических статей и довольно мало помогает их потреблять. Уже видно, насколько выросло количество статей (особенно выиграли самые сильные и самые слабые учёные), но читательниц и читателей-то осталось ровно столько же.

Конечно, это само по себе не меняет науку. Это меняет прагматику науки. Одновременно турбоускоряет "гонки публикаций" и обесценивает. Статьи прежнего типа писать стало намного легче. Они стали намного лучше. Людей со степенями осталось столько же, число мест на факультетах и в институтах не выросло - то есть да, чистый итог - на какое-то время на каждого работающего учёного будет приходится намного больше работ, написанных всеми остальными...

Мысль в целом понятна

МАКАРЕВИЧ

Вчера Андрей Макаревич пел в Дзинтари, а я думал вот о чём.

В 2011 году группа творческих лидеров моего поколения, квартет "И" и другие талантливые люди, сняли фильм "О чём говорят мужчины". И этот фильм был так чудесно сделан и так попал в волну, что в моей референтной группе стал примерно чем-то вроде "Двенадцати стульев" для шестидесятников. Источником цитат и смыслов на все случаи жизни.

Потом наступил 2014 год, Россия захватила Крым и часть Восточной Украины и я больше не мог этот фильм пересматривать. Там по сюжету герои едут из Москвы в Одессу на машине и проводят день в Киеве. Это всё было тяжело смотреть.

После начала войны в 2022 фильм снова стало можно смотреть, потому что сюжет имел такое же отношение к реальности как, не знаю, "Москва-Кассиопея" или "Властелин колец", то есть никакого. Путешествие на машине из Москвы в Одессу через Киев - это вот путешествие хоббита. Ну или Одиссея.

Конечно, фильм стал грустнее. Умер Василий Уткин, великий журналист, да и не только он. Но там появились и новые смешные моменты. Например, когда Андрей Макаревич жалуется, что всё-то у него в жизни есть, и рестораны вкусные, и машины хорошие, а вот будущего нет. Потому что в будущем будет ровно то же самое, что сейчас.

Теперь в 2026 год. Ошибся Макаревич - было у него будущее. И не просто будущее - всё его величие, по жизни, было тогда в будущем. Его жизнь как великого человека тогда была вся впереди.

Да, я вот слушаю, что Макаревич поёт и думаю, что он наш русский Гавел. В стране где публицистика важнее песен, Вацлав Гавел был публицистом. А у нас самые важные вещи говорит рок-певец. И если мы не понимаем, что он наш Гавел, то это наша тупость, а не его.

С другой стороны, это правда, что, когда разбираешься в том, что как устроено, то бывает легче двигаться дальше. Есть прекрасные учебники, которые устроены именно так - ты решаешь простую задачку, потом следующую, потом ещё и так всё осваиваешь. Конечно, ИИ может сделать за тебя каждую ступеньку, но если ты попросишь рассказать тебе ответ сразу, то можешь его не понять. У меня образование математическое, поэтому для меня самый очевидный пример - волшебная книжка Алексеева, учебник по теории Галуа, построенный как последовательность, с нуля, из 300+ задач. А приводят задачи к доказательству того, что для уравнений степени выше 5-ой в принципе не может быть формулы. (Для уравнения 2-ой степени все знают формулу из школы, для 3-ей и 4-ой можно вывести из уравнения для 2-ой.) Всякий хороший учебник, в принципе, делает что-то подобное, но по теории игр, например, я такого не знаю.

Итого: Сцилла - ИИ сделал многие навыки устаревшими и надо не выдумывать трюки как сохранить их в программе, а избавляться от них. Не нужно преподавать как устроен карбюратор. Харибда - в присутствии ИИ трудно объяснять студенткам и студентам что какие-то навыки - это то, что им пригодится, даже если эту конкретную задачу ИИ решает лучше.

В итоге, преподавая бакалаврам в мае-июне, я заменил семинары (то, что ведут ассистенты) на часовой квест, смысл которого был в том, что студенты решают задачи по маленьким шагам, а ассистенты только следят за тем, чтобы они ничего не использовали. (Ну и если у кого из студентов будет острый абстинентный синдром во время часа без телефонов, чтобы оказать первую помощь.) Это не квиз и не экзамен - за последовательное продвижение по задачам начисляются баллы, которые потом используются в лотерее. Больше продвинулась - больше шансов выиграть приз (призом были две пятерки за весь курс). Но лотерея с призами в виде высшего балла за весь курс - это другая история. Просто рассказываю про мой опыт прохождения Сциллы и Харибды, которых подарил нам профессорам ИИ.

ОБ ИИ В ПРЕПОДАВАНИИ

Сейчас основная дискуссия ведётся об использовании ИИ на фронте науки - для получения и проверки новых доказательств и т.п. Недавний опрос экономистов показал, что около 60% академических экономистов активно используют ИИ в работе. (При подаче статей в журналы все, по-моему, используют - есть и платный сервис RefineInk, и, не хуже, бесплатный Coarse, созданный моим соавтором Дэвидом ван Дайком - эти сервисы пишут ИИ-рецензии на статьи.) Но я хотел поговорить об использовании ИИ в преподавании.

Конечно, мои вопросы появляются с большим запозданием. У нас не факультете эти все обсуждения были два года назад и тогда же все внедрили ИИ-подходы. Но мне большая часть дискуссий об ИИ в университете кажется слишком сфокусированной на вопросе "как не дать студенткам и студентам жульничать с помощью ИИ". А это вопрос прагматически, может, и важный, но по существу глубоко второстепенный.

Взять, для примера, теорию игр, которую я преподаю и магистрам-аспирантам в Чикаго и бакалаврам в Киеве. И в тех, и в других курсах ИИ решает стандартные задачи быстрее и лучше, чем я или мои ассистенты. Намного быстрее решает, гораздо лучше записывает.

Есть профессора, которые предлагают решение - "на моём занятии нельзя использовать ничего, кроме чистых листов и ручки". То же самое потом на квизах и экзаменах. Этот метод понятен, но мне не нравится. Почему? Потому что при этом методе, действительно, студентки и студенты честно соревнуются в решении задач. Но моя-то задача, задача профессора - это не турнир им устроить. Соревнование при обучении - это инструмент, но это всего лишь инструмент. Строить курс вокруг качества соревнования за высокую оценку - это как хирургу планировать операцию, чтобы максимально задействовать какой-то конкретный скальпель.

Мне нужно от моих учеников и учениц чтобы они узнали как пользоваться теорией игр при анализе разных ситуаций, которые возникают в жизни. Допустим, я им устрою турнир по решению задач с помощью ручки, листа бумаги и собственных мозгов. А в реальной жизни, столкнувшись с необходимостью думать про что-то в терминах стратегии, они просто спросят ИИ. В этом случае получится, что я их, реально, учил не тому что нужно. Мог бы давать шахматные задачи или задачи по лингвистике - просто для развития мозгов. Или, там, латынь преподавал - тоже мозги развивает.

Ну то есть - в мире, в котором многие задачи решаются ИИ, нужно ли преподавать то, что преподавал раньше? Очевидно, нет. Полвека назад курсы высшей математики включали массу всяких вычислительных методов, а сейчас это не нужно - потому что компьютеры стали считать так быстро, что проблемы скорости и сложности вычислений теперь в других местах. Конечно, и симплекс-метод, и другие устаревшие методы развивают, в целом мозг, но экономистам они не нужны и теории игр они не нужны. И так масса всяких классических разделов.

Можно привести аналогию из другой области. Поколение наших родителей знало, как устроен автомобиль. Вот это вот приподнять капот, залезть под машину сзади, что-то там крутить, подвинчивать, менять. Понятно, что моё поколение использует автомобили куда больше и лучше, чем старшее, но ни в чём не разбирается. Почти все могут залить жидкость для омывания окон, кое-кто знает, как поменять, когда загорелась лампочка на панели, масло. Но в целом все умеют, когда загорелась лампочка, звонить в автосервис. Точно то же самое из симплекс-методом или поиском равновесий по Нэшу - это вот тоже самое копаться в капоте.

AI РЕШИЛ ПРОБЛЕМУ ЯКОБИАНА

Мы живём в удивительный момент. Вчера математик, работающий в Anthropic, попросил Claude Fable найти контрпример к "гипотезе о Якобиане" и AI быстро его нашёл. Задача стояла почти 100 лет и ей занимались очень серьёзные люди, включая крупнейших математиков нашего времени. Но каждый может вручную проверить, что контпример действительно работает.

Задача такая. Есть отображение из N-мерного пространства в N-мерное пространство, заданное многочленами. (То есть каждая координата образа - многочлен от координат исходного пространства.) Составим Якобиан, определитель матрицы, состоящей из частных производных. Он тоже многочлен. Гипотеза состоит в том, что если его значение постоянно и не равно нулю, то существует обратное отображение, тоже заданное многочленами.

Детская задача - доказать, что это верно для N=1. (Конечно, надо всё время предполагать, что поле, откуда коэффициенты, ненулевой характеристики.) Про N=2 пока неизвестно (возможно, это самый сложный случай). А при N>2 неверна, как известно со вчерашнего дня.

Теперь интересно, почему этот пример не нашли раньше. (К сожалению, совсем непросто теперь, когда ответ известен, объяснить, что это было очень сложная задача. Перебор там не может помочь, даже при том, что контрпример - многочлен всего от трёх переменных.) Интересно так же, какие другие давние гипотезы будут доказаны или отвергнуты в ближайшее время?

Или, может быть, появится элементарное доказательство теоремы Ферма? С проблемой якобиана "повезло" - после того как контрпример найден, легко проверить, что это настоящий ответ. А если бы ИИ выдало бы что-то типа доказательства теоремы Ферма (после месяцев проверок в доказательства Уайльса был найден пробел, который через несколько месяцев сумели закрыть) или решения Перельманом проблемы Пуанкаре (переписывание в доступную для широкого круга профессиональных математиков заняло у нескольких команд несколько месяцев). Возможно, случаи, когда ИИ решает знаменитые своей сложностью математические задачи - это, на самом деле, редкие исключения, а не новые правила.