Кажется, что искусственный интеллект уже почти везде.
Он пишет тексты.
Рисует картинки.
Помогает программистам.
Объясняет сложные темы.
Сдаёт тесты.
Решает задачи.
А иногда его даже представляют как будущего помощника великих учёных.
Особенно громко это звучит в математике.
Компании всё чаще рассказывают, что их модели приближаются к уровню лучших олимпиадников, помогают в исследованиях и якобы способны решать сложнейшие открытые проблемы. Для обычного читателя это выглядит как начало новой эпохи: ещё немного — и ИИ будет доказывать теоремы быстрее людей.
Но сами математики смотрят на эту картину гораздо осторожнее.
Группа учёных из разных стран подписала Лейденскую декларацию — документ, в котором призвала не поддаваться рекламному восторгу вокруг математических способностей ИИ.
Главная мысль проста: нейросети действительно открывают новые возможности, но заявления о них слишком часто звучат громче, чем позволяют реальные доказательства.
Что произошло
В июне 2026 года десятки математиков поддержали декларацию, призывающую профессиональное сообщество осторожнее относиться к заявлениям AI-компаний.
Документ подписали более 150 профессоров из разных стран — Европы, Японии, США и других регионов.
Их тревога связана не с тем, что ИИ вообще нельзя использовать в математике.
Наоборот, многие учёные признают: новые инструменты могут быть полезны. Они могут помогать искать идеи, проверять варианты, работать с большими массивами данных, автоматизировать рутину, подсказывать направления.
Проблема в другом.
Математики опасаются, что коммерческие компании начинают использовать авторитет их науки как рекламный инструмент.
Если модель решила красивую задачу или хорошо выступила на соревновании, это может быть подано как доказательство «общего разума» или почти человеческого научного мышления.
Но один яркий результат ещё не означает, что система умеет рассуждать так, как математик.
Почему математика стала витриной для ИИ
Математика идеально подходит для громких заголовков.
В ней есть задачи.
Есть правильные и неправильные ответы.
Есть олимпиады.
Есть престижные нерешённые проблемы.
Есть образ гения, который доказывает то, что не мог доказать никто.
Если ИИ хорошо справляется с математикой, это легко продать публике как признак настоящего интеллекта.
Для инвесторов это тоже сильный сигнал.
Компания может сказать: наша модель уже решает задачи уровня международной олимпиады, помогает профессорам, приближается к научным открытиям. Значит, перед вами не просто чат-бот, а будущий двигатель науки.
Именно это беспокоит авторов декларации.
По их мнению, у разработчиков ИИ есть сильный коммерческий стимул преувеличивать возможности своих продуктов. На рынке крутятся огромные деньги, компании конкурируют за инвестиции, внимание и доверие. В такой среде любое достижение модели может превращаться в рекламный аргумент.
Но наука не должна жить по логике презентаций для инвесторов.
«Не верьте хайпу»: чего боятся математики
Главное опасение — подмена смысла.
Модель может успешно решать конкретные математические задания, но это не доказывает, что она обладает глубоким общим рассуждением.
Представьте ученика, который выучил много шаблонов решения задач. Он может блестяще справиться с похожими примерами, но растеряться перед действительно новой идеей.
С ИИ может происходить нечто похожее.
Он может быть силён в задачах определённого типа.
Может находить правдоподобные ходы.
Может выдавать уверенный текст.
Может даже иногда помогать человеку заметить полезную идею.
Но это не то же самое, что самостоятельное математическое понимание.
Особенно опасно, что нейросеть может написать доказательство, которое выглядит убедительно, но содержит ошибку.
И ошибка может быть не грубой, а тонкой.
Такой текст трудно проверять. Он может быть длинным, сложным, техническим и внешне очень профессиональным. Человек тратит время на разбор — и только потом обнаруживает, что в середине был неверный переход.
Для математики это серьёзная проблема.
В математике недостаточно «почти правильно». Доказательство либо работает, либо нет.
Почему красивое доказательство может быть ловушкой
Нейросети умеют создавать правдоподобность.
Они хорошо имитируют стиль научного текста: определения, леммы, ссылки на известные методы, уверенные переходы, строгий тон.
Но математическая строгость — это не стиль.
Можно написать текст, который выглядит как доказательство, но на самом деле ничего не доказывает.
И это особенно опасно в сложных областях. Чем труднее тема, тем меньше людей способны быстро проверить результат. Ошибка может спрятаться в месте, которое поймут только специалисты.
Авторы декларации опасаются, что поток таких «почти доказательств» может перегрузить научное сообщество.
Рецензенты и эксперты будут тратить время не на развитие идей, а на проверку машинных текстов, которые выглядят серьёзно, но могут оказаться пустыми.
Это похоже на научный спам нового уровня.
Проблема авторства: чей это результат?
Есть ещё один неудобный вопрос: кому принадлежит математическая идея, найденная с помощью ИИ?
Допустим, модель помогла сформулировать гипотезу или подсказала ход доказательства.
Кто автор?
Учёный, который задал правильный вопрос?
Разработчики модели?
Люди, чьи статьи были в обучающих данных?
Все вместе?
Никто?
Математика строится на доверии, атрибуции и точной истории идей. Важно понимать, кто что доказал, кто предложил метод, кто внёс решающий шаг.
Если ИИ использует огромные массивы чужих текстов, появляется риск размывания авторства.
Модель может воспроизвести или переработать идеи из работ, которые были частью обучающих данных. Но исходные авторы могут не получить никакого признания.
Это не просто формальность.
Для исследователя признание вклада — основа карьеры, репутации, грантов, должностей и научной справедливости.
ИИ может изменить темы исследований
Математики также предупреждают о более тонкой опасности.
Если в какой-то области ИИ работает особенно хорошо, туда могут начать массово стекаться исследователи. Не потому, что это самая важная проблема, а потому что там проще получить быстрый результат с новым инструментом.
Так возникает эффект моды.
Одни темы получают слишком много внимания. Другие, возможно более важные, но менее удобные для ИИ, оказываются в стороне.
Наука начинает подстраиваться под инструмент.
Вместо того чтобы выбирать вопросы по внутренней логике математики, исследователи могут начать выбирать их по принципу: «здесь модель помогает, значит, здесь можно быстрее опубликоваться».
Это опасный перекос.
Инструмент должен служить науке, а не диктовать ей повестку.
Университетская свобода против интересов компаний
Один из самых острых пунктов декларации связан с независимостью исследователей.
Математика традиционно развивается в университетской и академической среде, где важны свобода поиска, медленная проверка идей, открытая критика и независимость от коммерческого давления.
AI-индустрия живёт иначе.
Там важны сроки выхода продукта.
Инвестиции.
Конкуренция.
Презентации.
Публичные демонстрации.
Борьба за рынок.
Когда эти два мира слишком тесно смешиваются, возникает риск, что математики окажутся обслуживающим персоналом AI-компаний.
Их авторитет будут использовать для продвижения продуктов.
Их задачи — как витрину возможностей моделей.
Их имена — как знак качества.
Их исследования — как часть маркетинга.
Авторы декларации не говорят, что учёные не должны сотрудничать с разработчиками ИИ. Но они настаивают: такое сотрудничество должно быть прозрачным, честным и этически осознанным.
Почему участие известных математиков вызывает споры
Когда известный математик хвалит возможности ИИ, это производит огромный эффект.
Если обычная компания говорит: «Наш продукт поможет науке», это реклама.
Если то же самое говорит лауреат престижной математической награды, публика воспринимает это иначе. Кажется, что сама математика подтвердила: да, ИИ действительно совершает прорыв.
Но один учёный, даже выдающийся, не может говорить от имени всей дисциплины.
Именно на это обращают внимание критики.
Наука не должна сводиться к голосу нескольких знаменитостей. Особенно если их высказывания используются в коммерческом контексте.
Математика — это сообщество, а не рекламная витрина.
ИИ в математике: запретить нельзя использовать
Важно понять: декларация не является призывом выбросить ИИ из математики.
Это не луддитский манифест.
Авторы не говорят: «ИИ плох, не трогайте его». Они говорят другое: использовать можно, но нельзя превращать каждую удачу модели в доказательство наступления машинного гения.
ИИ может быть полезным помощником.
Он может искать примеры.
Проверять простые случаи.
Подсказывать аналогии.
Помогать с формализацией.
Автоматизировать часть рутинной работы.
Ускорять перебор вариантов.
Но между «полезный инструмент» и «самостоятельный математик» огромная дистанция.
И именно эту дистанцию, по мнению авторов декларации, часто стирают в рекламных заявлениях.
Почему проверка важнее скорости
Математика отличается от многих областей тем, что её результат должен быть доказан строго.
В журналистике можно исправить неточность.
В инженерии можно протестировать прототип.
В бизнесе можно попробовать гипотезу на рынке.
В математике неверное доказательство не становится «почти полезным» только потому, что красиво написано.
Если ИИ предлагает решение открытой проблемы, его нужно проверять так же строго, как работу человека.
А может быть, даже строже — потому что модель не понимает ответственности и не может объяснить свои интуиции так, как это делает исследователь.
Наука не должна ускоряться ценой доверия.
Лучше медленно проверить доказательство, чем быстро объявить прорыв, который потом окажется ошибкой.
Этическая сторона: не только математика
Авторы декларации говорят не только о доказательствах и авторстве.
Они также напоминают, что ИИ связан с более широкими рисками: военным применением, массовым наблюдением, политическими манипуляциями и экологическим ущербом.
Математики, как и другие учёные, могут участвовать в разработке методов, которые затем будут использованы не только во благо.
Алгоритмы оптимизации, анализа данных, криптографии, моделирования и машинного обучения могут применяться в самых разных сферах.
Поэтому декларация призывает исследователей думать об этических последствиях своей работы. Если проект явно ведёт к вреду, учёный должен иметь право и смелость отказаться.
Это важный поворот.
Математика часто кажется чистой и абстрактной. Но в современном мире даже абстрактные методы могут быстро стать частью военных, коммерческих или политических технологий.
Главный конфликт: инструмент или авторитет?
Вся история с ИИ и математикой упирается в один вопрос.
ИИ — это инструмент, который помогает исследователю?
Или это уже самостоятельный источник авторитета, которому люди начинают верить потому, что он говорит уверенно и выглядит умным?
Математики из Лейденской декларации явно склоняются к первому варианту.
ИИ может быть полезен, но он не должен заменять человеческое суждение, рецензирование, профессиональную проверку и академическую ответственность.
Особенно в математике, где ошибка в одной строке может разрушить весь результат.
Если модель говорит: «доказано», это ещё не значит, что доказано.
Если компания говорит: «наша система рассуждает как математик», это ещё не значит, что она действительно понимает математику.
Если известный учёный говорит, что инструмент перспективен, это ещё не превращает его в универсальный разум.
Почему это важно для обычных людей
Может показаться, что спор математиков и AI-компаний далёк от повседневной жизни.
Но на самом деле он касается всех.
Мы уже живём в мире, где ИИ всё чаще предлагают как универсальное решение: для образования, медицины, юриспруденции, науки, бизнеса, творчества.
Если общество привыкнет верить громким обещаниям без проверки, последствия могут быть серьёзными.
ИИ может ошибаться в математике.
Может ошибаться в медицине.
Может уверенно сочинять факты.
Может создавать видимость компетентности.
Может подменять проверку красивой формулировкой.
Математики просто первыми очень жёстко формулируют проблему: не путайте впечатляющую демонстрацию с настоящей надёжностью.
Это полезный урок не только для науки.
Главный вывод
Лейденская декларация не отрицает потенциал искусственного интеллекта.
Она предупреждает о другом: вокруг ИИ слишком много коммерческого шума, и математика не должна становиться частью рекламной машины.
ИИ может помогать решать задачи, искать идеи и ускорять работу. Но его результаты должны проверяться людьми, а громкие заявления компаний не должны заменять научную экспертизу.
Математики боятся не только ошибок.
Они боятся, что:
неверные доказательства будут выглядеть убедительно;
авторство идей станет размытым;
рецензирование окажется перегружено;
исследователей начнут использовать в интересах компаний;
научная повестка начнёт подстраиваться под возможности моделей;
этические последствия будут игнорироваться ради гонки за инвестициями.
Поэтому их призыв звучит просто:
не верьте хайпу.
Не потому, что ИИ бесполезен.
А потому, что настоящий научный прогресс требует не восторга, а проверки.