Что разделяет математиков и машины

[Гостевой пост Гранта Сандерсона. Оригинальный текст был в другом формате и переведён с помощью ИИ. — Т.]

В сообществе математиков сейчас растёт убеждение, что решение задач и создание доказательств всегда служили лишь средством для достижения настоящей цели — расширения человеческого понимания математики. Когда доказательства генерируют без такого понимания, они теряют ценность как инструмент измерения прогресса.

Это сразу же ставит вопрос: какие другие способы оценки мы должны использовать вместо этого?

Предлагается чётче определить понятие «мотивированного объяснения» и дать ему статус, сравнимый с тем, что исторически имели новые доказательства открытых задач.

Это важный шаг для того, чтобы помочь людям вне математики понять, что именно вносят в науку математики. Если внешние наблюдатели верят, что машины, генерирующие доказательства, делают математиков ненужными, а внутри сообщества это понимается как заблуждение, то математическое сообщество обязано лучше отражать свои настоящие ценности через выбор работ, которые оно поощряет. Непонимание извиняемо, если самые отмечаемые работы сосредоточены на доказательствах, а объяснения считаются делом второго сорта.

Стоит сразу же признать личную предвзятость. Карьера в математике у Сандерсона нетрадиционна — она сосредоточена на создании видео о предмете. Это разделяет цель «расширения человеческого понимания», но фокусируется на объяснениях и интуициях, близких широкой публике, а не на решении открытых проблем. Циник легко мог бы прочитать это предложение как попытку самовозвышения.

Практически же собственная карьера и финансирование существуют вне академии, и нет личных интересов в том, что это сообщество выберет поощрять. Кроме того, предлагая повысить статус мотивированных объяснений, имеется в виду не популяризация. Имеется в виду любая работа, основная цель которой — ответить на вопрос «как бы вы до этого додумались?», даже если предмет требует глубокой экспертизы для понимания.

Приводимые ниже примеры показывают, что это не ново. Практикующие математики уже уделяют значительную часть внимания такой работе. Предложение здесь главным образом в том, чтобы 1) яснее определить эту работу и 2) повысить её статус.

Что определяет мотивированное объяснение?

Хотя может быть ясно, что означает фраза «мотивированное объяснение», полезно кратко сопоставить её с доказательством.

В доказательстве определения стоят в начале. Обычно и ожидаемо начинать с новой конструкции и двигаться вперёд, анализируя её свойства.

В мотивированном объяснении определения стоят в середине. Новые конструкции допускаются в словарь только если проблема, которую они решают, была ясно установлена.

В доказательстве все утверждения должны быть верны, каждое утверждение следует как необходимое следствие из предыдущего.

В мотивированном объяснении нормально и часто желательно начать с идеи, которая не совсем верна и требует исправления, но чьи истоки понятны и близки читателю.

Жанр мотивированного объяснения, который нравится Сандерсону, — это «фикция открытия», термин, придуманный Майклом Нильсеном. Развивается идея с нарративом, который начинается с простого, но неправильного решения задачи, показывает, где оно не работает, исправляет эту проблему, открывает новую проблему и так далее.

Область доказательства — объяснить, почему конкретная теорема верна.

Область мотивированного объяснения — не только уточнить, почему теорема верна, но и почему эта теорема — правильная, которую стоит доказывать, и как она используется в окружающем контексте.

Явный недостаток мотивированного объяснения в том, что его валидность не двоична так, как у доказательства. Это большая причина, почему доказательство так полезно для измерения прогресса: можно чётко определить, что имеет доказательство, а что нет. Для мотивированных объяснений никогда не будет Lean.

Если мы серьёзны в стремлении расширять человеческое понимание, то нет пути вокруг того факта, что эта цель внутренне более расплывчата, чем поиск доказательств, потому что определение самого человеческого понимания расплывчато. Уклоняться от метрик, которые более субъективны, — значит уклоняться от более человеческих аспектов этой области.

Причина, по которой выбирается слово «мотивированное» вместо других вариантов вроде «ясное» или «демистифицирующее», в том, что это более поддающееся проверке свойство. Это не совсем так же строго проверяемо, как доказательство; почти ничего и нет. Но этого достаточно для практического применения. В собственной работе часто повторяется фраза: «Хочу, чтобы это казалось, как будто вы могли бы открыть это сами». Говорится это не только чтобы угодить зрителю, но потому что это действенное руководство для самопроверки, полно ли объяснение. Для каждой новой идеи можно спросить: понятно ли, откуда она берётся. Ответ — это не совсем да или нет, но достаточно близко к практическому использованию.

Образцы мотивированных объяснений

Один из лучших источников мотивированных объяснений — часть IV Принстонского справочника по математике. Она охватывает более двух десятков активных областей исследований, каждую введённую экспертом с талантом к ясному объяснению.

Будь то Эндрю Гранвилл, объясняющий аналитическую теорию чисел, или Дэвид Бен-Цви, вводящий модули пространств, эти статьи предлагают уровень интуиции и мотивации, который обычно находится в беседе один на один у доски.

История этой книги примечательна для этого обсуждения. Её редактировал Тимоти Гауэрс, который обсуждает это в интервью подкасту Numberphile с Брейди Харана. Когда его спросили, какое влияние оказала Филдсовская медаль на его жизнь, вот что он сказал:

Люди, получившие Филдсовскую медаль, чувствуют себя свободнее делать немного другие вещи… например, я взялся за редактирование книги «Принстонский справочник по математике», что был абсолютно огромной задачей. Это заняло, я бы оценил, половину моего рабочего времени примерно на пять лет… Это был проект, в который я верил, и, вероятно, я бы не получил шанса работать над ним, если бы не была Филдсовской медалист.

Гауэрс был прав верить в это; эта работа добавляет огромную ценность математике, но кажется жалко, что нужна Филдсовская медаль, чтобы почувствовать себя оправданным в трате времени на это.

Ещё один пример человека, исключительно талантливого в написании доказательств, но чьи вклады выходили далеко за их пределы, — Билл Тёрстон. Его заслуженно знаменитое эссе «О доказательстве и прогрессе в математике», написанное три десятилетия до LLM, начинается с предположения, что правильная формулировка вопроса «Что достигают математики?» — это спросить «Как математики расширяют человеческое понимание математики?»

Вот один отрывок с жуткими резонансами с сегодняшним днём:

Быстрый прогресс компьютеров помог драматизировать эту точку, потому что компьютеры и люди очень разные. Например, когда Аппель и Хакен завершили доказательство теоремы о четырёх красках с помощью массивного автоматического вычисления, это вызвало большие споры. Я интерпретирую эти споры как имеющие мало общего с сомнениями людей в верности теоремы или правильности доказательства. Скорее, они отражали постоянное желание человеческого понимания доказательства в дополнение к знанию, что теорема верна. На более повседневном уровне обычно люди, начинающие работать с компьютерами, делают крупномасштабные вычисления вещей, которые они могли бы делать в меньшем масштабе вручную. Они могут распечатать таблицу первых 10 000 простых чисел и обнаружить, что их распечатка — это не совсем то, что они на самом деле хотели. Они открывают такого рода опытом, что на самом деле обычно хотят не какую-то коллекцию «ответов» — они хотят понимание.

Само эссе предлагает прекрасное объяснение того, что такое практика математики за пределами генерирования доказательств. Внимание хочется привлечь к тому, что Тёрстон пишет в конце.

Я приложил много усилий к деятельности, которая не производит кредит, которые я ценю так же, как доказательство теорем: математическая политика, переработка своих записей в книгу с высоким стандартом коммуникации, исследование вычислений в математике, математическое образование, развитие новых форм коммуникации математики через центр Геометрия (такие как наш первый эксперимент, видео «Не узел»), руководство MSRI и т. д.

Опять же, почему эта «деятельность, не производящая кредит» должна следовать Филдсовской медали, а не способствовать её получению?

Личная нота: один из продуктов от центра Геометрия, на который он ссылается, имел особенно значащее влияние в молодости. Это был короткий фильм «Вывернуто», возможно, самый ранний пример вирусного видео о серьёзной математике, визуализирующий центральную идею собственной конструкции Тёрстона для выворота сферы.

Оригинальное доказательство, показывающее, что выворот должен существовать, скажем доказательство Смейла, расширяет человеческое понимание в смысле перехода от 0 к 1. Видео вроде этого, при котором миллионы людей взаимодействуют с основной идеей, расширяет его в смысле перехода от 1 к N. Признателен Тёрстону за то, что потратил столько времени на эту «деятельность, не производящую кредит».

Другая релевантная статья — «Руководство для начинающих по форсингу» Тимоти Чоу. Не только сама статья предлагает главный пример мотивированного объяснения, но её введение предлагает полезный словарь вокруг этого.

Все математики знакомы с концепцией открытой исследовательской проблемы. Я предлагаю менее знакомую концепцию открытой задачи экспозиции. Решить открытую задачу экспозиции — значит объяснить математический предмет таким образом, который делает его совершенно ясным. Каждый шаг должен быть мотивирован и ясен; идеально студенты должны чувствовать, что они могли бы прийти к результатам сами.

Как выглядело бы, если бы эти открытые задачи экспозиции рассматривались аналогично открытым исследовательским проблемам? В крайнем случае можно себе представить аналог Задач Миллениума для открытых задач экспозиции. Учреждение или группа исследователей формально определили бы математические результаты, которые они видят как важные и которые ещё не хорошо поняты, несмотря на то что технически имеют доказательства. На данный момент каждое ИИ-генерированное доказательство рождается как нерешённая задача экспозиции. Поскольку в ближайшие годы вероятно будет волна таких, будет ценно для лидеров уточнить, какие из них заслуживают внимания.

Рубрику пришлось бы согласовать для того, что составляет решение важной нерешённой задачи экспозиции. Опять же, это внутренне более субъективно, чем проверка доказательства, но любое серьёзное вовлечение в более человеческие аспекты математики необходимо входит в такого рода субъективность. И, подчёркиваем снова, проверка того, что ключевые идеи мотивированы, не совсем не похожа на проверку того, что шаги доказательства логически следуют.

Последний пример, который выделится, может лучше предчувствовать, что придёт.

В апреле этого года Лиам Прайс отправил решение задачи Эрдёша 1196, иногда называемой гипотезой асимптотических примитивных множеств. Решение пришло из взаимодействия Прайса с GPT-5.4 Pro. В отличие от многих более ранних задач Эрдёша, которые были решены с помощью ИИ, это та, которую люди в области нашли как важную и неуловимую. Истории вроде этой становятся всё более знакомыми, но на этом этапе истории, несмотря на то что доказательство технически существует, человеческое понимание продвинулось не так много.

Доказательство попало к Нату Сотанапхану и Джареду Личтману, которые смогли интерпретировать, что был подход ИИ и привести доказательство в читаемую человеком форму. В мае Борис Алексеев, Кевин Баррето, Янян Ли, Джаред Дюкер Личтман, Лиам Прайс, Джибран Икбал Шах, Цюаньюй Тан и Теренс Тао выпустили статью, которая расширила ключевую идею лежащую в основе доказательства. Авторы объяснили, как эта ключевая идея уточняет не только оригинальную задачу, но и много вокруг неё, например предлагая более чистое доказательство гипотезы примитивных множеств Эрдёша.

Ценность здесь не в том, что одна задача Эрдёша больше могла быть вычеркнута как решённая. Ценность в том, что наше понимание примитивных множеств заметно чище и более удовлетворяющее теперь чем оно было в начале 2026. Решение оригинальной задачи сыграло какую-то роль в этом, но, спорно, работа, которая заслуживает большего празднования, — это эта статья, расширяющая, уточняющая и контекстуализирующая её ключевую идею.

Практические призывы к действию

На практическом уровне, как выглядело бы повышение статуса мотивированного объяснения? Вот небольшая горсть предложений.

  • Советник по PhD может по-прежнему назначить маленькую задачу из своей области новому студенту, чтобы заточить зубы, но результат будет не в том, чтобы написать решение; это было бы представить решение коллегам и преподавателям как доклад. Это может быть уже решённая задача, которой не хватает ясности, или, возможно, задача, которой не хватает решения, и студент использует ИИ, чтобы помочь найти его. В любом случае студент знает, что в определённую дату должны понять это достаточно хорошо, чтобы объяснить, и что желаемый результат — чтобы другие тоже это поняли. Коротко говоря, даже маленькие задачи могли бы рассматриваться как маленькие защиты диссертации.
  • Видная фигура (фр., Терри, фр.) могла бы перечислить современный аналог задач Гильберта, вместо этого сосредотачиваясь конкретно на нерешённых задачах экспозиции. Какие области и важны, и не хватает глубокого понимания, которое желается?
  • Написанные стандарты могли бы уточнить, что составляет мотивированное объяснение, целясь, чтобы сделать это почти так же поддающимся проверке как доказательство, поэтому разрешение нерешённых задач экспозиции может быть признано и отмечено таким же образом как доказательства открытых задач.
  • Журналы могут быть установлены, которые сосредотачиваются более явно на том, чтобы делать результаты понятными более широко по всему математическому сообществу. Математический дискурс предлагает интересный новый пример в этом направлении.
  • Решения о найме и пребывании в должности могли бы поместить более высокую ценность на написание великих учебников и похожую работу. Подумайте о Премии Стила Американского математического общества за экспозицию, но в более мелкозернистом масштабе с упором на вклады ранней карьеры в этом духе.

Ценность видимых сдвигов культуры

Хочется закончить более широким полем, что видимые сдвиги культуры в математике несут внутреннюю выгоду прямо сейчас в отношении внешнего образа математики как карьеры.

Многие молодые студенты, которые иным образом страстны к области, теперь боятся её преследовать из-за неопределённости того, что происходит в возрасте машин, генерирующих доказательства. Однако, правильно сформулировано, это один из самых захватывающих времён для вхождения в область, потому что нет ничего более захватывающего, чем входить в область, когда она пластична и у вас есть шанс активно формировать, как она будет выглядеть в будущем. Даже если полностью отложить любые потенциальные выгоды от ИИ для помощи нашему пониманию, молодые потенциальные математики должны чувствовать себя энергизированными, знаю, что они входят в уникальную точку в истории, когда они могли бы сыграть реальную роль в определении того, как область в целом выглядит.

Однако, изменение вроде этого только захватывающе, когда оно кажется преднамеренным, тогда как оно кажется ужасающим, если оно выглядит направленным силами вне вашего контроля. Поэтому осязаемое действие от лидеров области сейчас, чтобы помочь определить и уточнить, что область, будет успокаивать молодых новичков о том, кто за рулём, и что статус карьеры не зависит от того, какие сущности производят доказательства.

Точно так же, считаю, это один из лучших времён для финансирования математики. Если следующая глава математики вводится напевом двух слов «человеческое понимание», то все изменения, которые вот-вот произойдут, похоже, расширят математику как общественное благо.