25 laureatów Medalu Fieldsa opublikowało wspólne oświadczenie, w którym wprost wskazują na „poważną rozbieżność celów” między firmami rozwijającymi AI a społecznością matematyczną. Dokument pojawił się 11 września 2026 roku w Le Monde i na blogu Terence’a Tao; wśród sygnatariuszy są Pierre Deligne, Peter Scholze, Marina Wiazowska, Manjul Bhargava, Yu Deng i inni. Oświadczenie powstało na tle niedawnych ogłoszeń OpenAI o rozwiązaniu zagadnienia Naviera-Stokesa w 88 godzin przy pomocy tysięcy agentów i milionów komunikatów.
Istota zastrzeżeń nie tkwi w tym, że AI rozwiązuje zadania, lecz w tym, jak dokładnie się to odbywa i jakie wartości są przy tym promowane. Matematyka tradycyjnie ceni nie sam fakt rozwiązania, lecz zrozumienie struktur, wyodrębnienie nowego wkładu, rzetelną weryfikację, właściwe cytowanie i czas na refleksję. Firmy natomiast optymalizują pod kątem szybkości i publicznych benchmarków: im szybciej model „zamyka” znany problem, tym wyższa jest jego ocena w oczach inwestorów i użytkowników. Takie przyspieszenie, zdaniem laureatów, niszczy „żyzną glebę” dla nowych koncepcji i podkopuje proces kształcenia studentów oraz rozwoju idei.
Metodologicznie oświadczenie opiera się na obserwacjach realnych incydentów. Matematycy zauważają, że systemy AI często podają rozwiązania bez pełnego wykładu pisemnego, bez wyodrębnienia tego, co rzeczywiście nowe, i bez uwzględnienia wcześniejszych prac. Wiąże się to bezpośrednio z niedawnymi sporami o pierwszeństwo w zadaniach, w których OpenAI rzekomo wykorzystała wyniki uzyskane za pomocą modeli innych laboratoriów bez należytego wskazania autorstwa. W przeciwieństwie do tradycyjnego procesu matematycznego, w którym dowód przechodzi przez recenzję naukową i dyskusję w środowisku, podejście maszynowe pozostawia niewiele miejsca na taką refleksję.
W porównaniu z wcześniejszymi podejściami do integracji narzędzi obliczeniowych w matematyce, obecna sytuacja różni się skalą i presją komercyjną. Dawniej komputery były wykorzystywane do weryfikacji lub poszukiwania kontrprzykładów, ale nie do masowej produkcji „rozwiązań” znanych problemów w rekordowym czasie. Równoległe wysiłki laboratoriów takich jak DeepMind czy Anthropic również koncentrują się na benchmarkach, jednak to właśnie OpenAI w ostatnich tygodniach najagresywniej promuje narrację o „przełomie” w Millennium Prize Problems. Tworzy to dynamikę konkurencji, w której główną zaletą staje się szybkość, a nie głębia zrozumienia.
Konsekwencje dla tej dziedziny są oczywiste: jeśli społeczność zacznie orientować się na rozwiązania maszynowe jako główny sposób postępu, skurczy się przestrzeń dla powolnej, lecz fundamentalnej pracy. Studenci i młodzi badacze mogą stracić motywację do głębokich studiów, skoro „odpowiedzi” są już ogólnodostępne. Ponadto pojawia się ryzyko rozmycia autorstwa i odpowiedzialności – kto odpowiada za błąd w dowodzie wygenerowanym przez AI, jeśli został on złożony z tysięcy fragmentów?
Oświadczenie nie neguje użyteczności AI dla matematyki, lecz podkreśla konieczność pilnej dyskusji nad zasadami współpracy. Laureaci wzywają społeczność matematyczną, deweloperów oraz ogół społeczeństwa do wypracowania mechanizmów, które pozwolą zachować wartość konceptualnego zrozumienia i właściwego cytowania. Bez takich mechanizmów rozbieżność celów będzie się jedynie pogłębiać, dotykając nie tylko matematyki, ale i innych obszarów pracy intelektualnej.
Kluczowe pytanie pozostaje otwarte: czy społeczności matematyków uda się narzucić swoje standardy weryfikacji i autorstwa twórcom AI, czy też logika komercyjna ostatecznie zdefiniuje na nowo to, co uznaje się za „postęp” w nauce podstawowej.
