LLM продемонстрировали удивительную способность генерировать математические доказательства, такие как решения с конечным временем разрыва для уравнений Навиье-Стокса и предложенные доказательства кваази-гипотезы Риманна, сигнализируя о потенциале ускорения открытий в науке и технологии. Однако интеграция LLM в экосистемы STEM представляет критический выбор: ‘золотой век’, где LLM empower нового поколения ученых, развивают новый опыт и сохранят открытуюcollaborative исследовательскую деятельность, или ‘темный век’, где краткосрочные выгоды в результате происходят в ущерб независимой человеческой научной деятельности, концентрация производства знаний в руках немногих и, в конечном итоге, создание знаний, чуждох человеческому пониманию. Автор утверждает, что реальность, скорее всего, сочетает оба сценария. Ключевая проблема заключается в том, что LLM struggle to translate complex formal proofs (например, в Lean) на естественный язык — несмотря на генерацию доказательств, похожих на код, длиной в сотни тысяч строк, их естественные языковые рендеринги часто бывают грязными и требуют интенсивного изучения для понимания. Это ставит фундаментальный вопрос: если люди не могут понять доказательства, каково ценность математики за пределами benchmarking LLM? Математика, deeply rooted in human cognition — от innate понятий числа, пространства и времени до culturally evolved систем — рискует стать отчужденной от человеческого смыслообразования, если не будет внимательно присмотренна. Статья заканчивается восьью пунктами, рассматривающими выборы, формирующие этот исход, и призывает к конкретным предложениям для направления будущего, где технология усиливает, а не заменяет, человеческую математическую интуицию.
Источник: Hacker News · Сводку подготовил HeadlinesBriefing