25 лауреатов Филдсовской премии опубликовали совместное заявление, в котором прямо указывают на «серьёзное расхождение целей» между компаниями, разрабатывающими ИИ, и математическим сообществом. Документ появился 11 сентября 2026 года в Le Monde и на блоге Теренса Тао; среди подписантов — Пьер Делинь, Питер Шольце, Марина Вязовская, Манджул Бхаргава, Юй Дэн и другие. Заявление возникло на фоне недавних объявлений OpenAI о решении задачи Навье — Стокса за 88 часов с помощью тысяч агентов и миллионов сообщений.
Суть претензии не в том, что ИИ решает задачи, а в том, как именно это происходит и какие ценности при этом продвигаются. Математика традиционно ценит не сам факт решения, а понимание структур, изоляцию нового вклада, тщательную проверку, правильное цитирование и время на осмысление. Компании же оптимизируют под скорость и публичные бенчмарки: чем быстрее модель «закрывает» известную проблему, тем выше её оценка в глазах инвесторов и пользователей. Такое ускорение, по мнению лауреатов, разрушает «плодородную почву» для новых идей и подрывает процесс воспитания студентов и идей.
Методологически заявление опирается на наблюдения за реальными инцидентами. Математики отмечают, что ИИ-системы часто выдают решения без полноценного письменного изложения, без выделения действительно нового и без учёта предшествующих работ. Это напрямую связано с недавними спорами вокруг приоритета в задачах, где OpenAI якобы использовала результаты, полученные с помощью моделей других лабораторий, без должного указания авторства. В отличие от традиционного математического процесса, где доказательство проходит через рецензирование и обсуждение в сообществе, машинный подход оставляет мало пространства для такой рефлексии.
В сравнении с предыдущими подходами к интеграции вычислительных инструментов в математику нынешняя ситуация отличается масштабом и коммерческим давлением. Ранее компьютеры использовались для верификации или поиска контрпримеров, но не для массового производства «решений» известных проблем в рекордные сроки. Параллельные усилия лабораторий вроде DeepMind или Anthropic также фокусируются на бенчмарках, однако именно OpenAI в последние недели наиболее агрессивно продвигает narrative о «прорыве» в Millennium Prize Problems. Это создаёт конкурентную динамику, где скорость становится главным преимуществом, а не глубина понимания.
Последствия для поля очевидны: если сообщество начнёт ориентироваться на машинные решения как на основной способ продвижения, то сократится пространство для медленной, но фундаментальной работы. Студенты и молодые исследователи могут потерять мотивацию к глубокому изучению, поскольку «ответы» уже существуют в открытом доступе. Кроме того, возникает риск размывания авторства и ответственности — кто несёт ответственность за ошибку в ИИ-доказательстве, если оно собрано из тысяч фрагментов?
Заявление не отрицает полезность ИИ для математики, но подчёркивает необходимость срочного обсуждения правил взаимодействия. Лауреаты призывают математическое сообщество, разработчиков и общество в целом выработать механизмы, которые сохранят ценность концептуального понимания и правильного цитирования. Без таких механизмов расхождение целей будет только усиливаться, затрагивая не только математику, но и другие области интеллектуального труда.
Ключевой вопрос, который остаётся открытым: удастся ли сообществу математиков навязать свои стандарты верификации и авторства разработчикам ИИ, или же коммерческая логика окончательно переопределит, что считается «прогрессом» в фундаментальной науке.
