Математик · От вавилонских писцов до медалистов Филдса и доказательства с помощью искусственного интеллекта: профессия, которая превращает сложные вопросы в постоянную уверенность, по одной теореме за раз.
Математика — редкая профессия, в которой машины первыми приходят для решения престижных задач. Расчеты упали десятилетия назад; к 2024–2025 годам системы искусственного интеллекта достигли серебряного, а затем золотого стандарта по задачам Международной математической олимпиады, а помощники по доказательству, такие как Лин, проверяли аргументы на переднем крае исследований, включая в 2022 году теорему, которую ее собственный автор боялся проверять вручную. Ни один серьезный математик сейчас не ставит на то, что рутинное доказательство лемм надолго останется человеческим.
Тем не менее, реакция профессии была скорее волнением, чем страхом, потому что ее самая скудная работа предшествует всему, что делают машины: решать, какие вопросы стоят лет жизни, изобретать определения, которые делают смутную интуицию доказуемой, и судить, какие из бесконечного множества истинных утверждений что-то значат. Теренс Тао, среди прочих, описывает ближайшее будущее, когда математики будут руководить командами неутомимых, полунадежных сотрудников машин.
Реальная часть рабочего дня — поиск литературы, проверка, вычисления, решение корректных задач — сейчас автоматизируется, и ИИ уже доказывает результаты на уровне соревнований. Но задачи, определяющие карьеру (выбор проблем, формирование концепций, оценка значимости, обучение людей), находятся дальше всего от того, что делают современные системы. Наиболее вероятный результат — меньше часов на доказательство рутинных лемм и больше времени на решение того, что доказывать: трансформация работы, а не ликвидация профессии.
Scored from the tasks, not the job title. Lower is safer.
Jobs AI cannot take →Специалист по доказательству теорем может опровергнуть высказанную гипотезу; он не может решить, что вопрос стоит десяти лет, или заметить, что важным является другой вопрос. Выбор проблемы – это совокупное преимущество профессии.
Самые глубокие движения в этой области — схемы Гротендика, кольца Нётер, бесконечности Кантора — создали объекты, с которыми впоследствии будут проводиться вычисления. Формирование понятий, а не дедукция, — это то, где математика на самом деле развивается, и ни одна система еще не делает этого.
Существует бесконечно много истинных утверждений; почти все бесполезны. Решение о том, какие результаты освещают, какие доказательства объясняют, а не просто подтверждают, и какие направления плодотворны, остается человеческим консенсусом, основанным на карьере.
Когда математика сертифицирует криптосистему, статистику испытаний лекарств или закон об управлении воздушными судами, названный человек должен стоять за тем, что на самом деле говорит теорема о мире. Машинно проверено – это не то же самое, что правильно смоделировано.
Цепочка ученичества — наставник к студенту, рука об руку со времен средневековых университетов — передает вкус и стандарты, а не только содержание, и остается способом воспроизводства профессии.
Уже нет: системы компьютерной алгебры занимаются вычислениями, интегрированием и решением уравнений в этой области с 1980-х годов, и ни один работающий математик не сожалеет об этом.
Языковые модели теперь извлекают соответствующие леммы, известные методы и уровень техники из миллионов статей быстрее, чем любое человеческое чтение, что подрывает преимущество энциклопедической памяти, которая определяла таких ученых, как Эрдёш.
Проверка правильности построчно — самая утомительная обязанность судьи — все чаще принадлежит формальным системам, таким как Lean и Coq, которые делают это со строгостью, не утомляя судей-человеческих матчей.
Учитывая четко сформулированную проблему в стиле соревнований, системы искусственного интеллекта достигли золотого стандарта IMO в 2025 году. Распространение этого на рутинные исследовательские леммы, сформулированные человеком и доказанные машиной, — это граница, которую сейчас пересекают.
В ходе эксперимента Питера Шольце с тензором жидкости (2021–2022 гг.) сообщество бережливого производства подтвердило теорему, которую он считал своей самой важной и наименее проверяемой, что убедило многих скептиков; новые крупные доказательства все чаще сопровождаются машинной проверкой, и журналы начинают этого ожидать.
В статье DeepMind Nature, опубликованной в 2021 году, были выдвинуты гипотезы в области теории узлов и теории представлений, которые затем доказали математики Джорди Уильямсон и его коллеги; AlphaProof последовал за ним в 2024 году. Возникающее разделение труда: машины предлагают и измельчают, люди создают и судят.
Классификация конечных простых групп потребовала десятков тысяч журнальных страниц и работы более ста авторов; Проекты Polymath с 2009 года доказывают теоремы открытыми онлайн-толпами. Средний уровень авторства продолжает расти — рабочий процесс одиночных гениев постепенно уходит на пенсию.
Лаборатории искусственного интеллекта, торговые фирмы и команды по криптографии теперь напрямую подают заявки на математиков-исследователей, нанимая именно тех талантливых специалистов, которых обучает академия, но не могут заплатить. Центр тяжести профессии смещается от математического факультета к промышленности, как это произошло с физикой в двадцатом веке.
Математика глубокого обучения — оптимизация, вероятность, геометрия многомерных пространств — тонка и открыто признается как таковая; математиков-исследователей нанимают для построения теории, эмпирические результаты которой все еще ждут.
Торговые фирмы используют стохастическое исчисление, статистику и оптимизацию и набирают сотрудников непосредственно с математических факультетов за плату, в несколько раз превышающую академическую зарплату — самый крупный выход для докторов наук в этой области.
Постквантовые стандарты, завершенные NIST в 2024 году, основаны на задачах решетки из чистой теории чисел; Сегодня мировая безопасность коммуникаций в буквальном смысле представляет собой прикладные математические исследования с установленным сроком развертывания.
Те же самые навыки помощника по доказательству, входящие в чистую математику, оплачиваются промышленным трудом у производителей микросхем и поставщиков облачных услуг — Intel официально проверила модули с плавающей запятой, поскольку ошибка подразделения Pentium в 1994 году обошлась ей в 475 миллионов долларов, а AWS проверяет свойства своих основных протоколов.
Честная картина на ближайшую перспективу: те части работы, которые выглядят как решение — четко поставленные, самостоятельные, проверяемые — будут все чаще выполняться с помощью машин, точно так же, как и расчеты. Те части, которые выглядят как вопросы — формулирование, определение, суждение, обучение — не проявляют никаких признаков автоматизации, и именно эти части практики всегда называют настоящей работой.
Экономика указывает на то же самое. Спрос на людей с математическим образованием растет везде, где машины становятся умнее, потому что кто-то должен указывать, что машины должны делать, и проверять, что они сделали; Бюро статистики труда США прогнозирует двузначный рост количества математических профессий до 2033 года. Должность на значке может означать «исследователь», «квант» или «ученый», но обучение проводится математиком.
Открытый вопрос является культурным, а не экономическим: будет ли область, идентичность которой была построена на доказательствах, не требующих помощи человека, рассматривать теоремы, полученные с помощью машин, как полностью принадлежащие знания. Споры о четырех цветах 1976 года предвосхитили этот аргумент; эпоха бережливого производства решает эту проблему на практике, по одному формализованному доказательству за раз. Профессия, которая пережила потерю своего имени — компьютера — в пользу машины, скорее всего, выживет, поделившись с ней своими доказательствами.
Ученый платил за публичное изложение предмета — двадцать пять столетий преподавания и открытий, от рощи Платона до штатной должности и наставника ИИ.
AI-resistant 76 🎬Превращает сценарий в готовый фильм, продумывая каждый кадр, исполнение и монтаж, а затем убеждает продюсера, студию и аудиторию, что идея стоит затраченного бюджета.
AI-resistant 73 🧩Ученые, изучающие разум и поведение, от лейпцигской лаборатории Вундта 1879 года до терапевтического кабинета, обучены слышать то, что человек еще не может сказать сам.
AI-resistant 82 💱Исследователи дефицита — от булавочной фабрики Адама Смита до комнаты принятия решений в центральном банке — по-прежнему просили предсказать то, что ни одна модель не отражает в полной мере.
AI-resistant 62 🔭Ученый, который измеряет Вселенную, от вавилонских глиняных табличек до космических телескопов, все еще решает, какое мерцание данных является открытием.
AI-resistant 70 ⚖️Общество доверяет принимать решения людям: от стелы Хаммурапи до слушаний об освобождении под залог, оцениваемых искусственным интеллектом, самые трудные споры по-прежнему заканчиваются на глазах у одного ответственно…
AI-resistant 90Выводит и проверяет математические законы, управляющие материей, энергией, пространством и временем, от одинокой классной доски до статьи о коллайдере частиц, написанной 3000 авторами.
AI-resistant 65 🧬Ученый, который изучает саму жизнь, от того, что Линней давал имена видам вручную, до редактирования геномов с помощью CRISPR, до сих пор проверяет каждую идею на живом организме.
AI-resistant 64 🧪Ученый, который сам создаёт и измеряет материю — от вавилонских духов Таппути до сегодняшних роботизированных лабораторий, и всё же тот, кто решает, что означает спектр.
AI-resistant 70 📊Находит закономерности и строит прогнозные модели на основе данных — должность 2008 года, основанная на трех столетиях подсчета, тестирования и визуализации доказательств.
AI-resistant 38 🔭Ученый, который измеряет Вселенную, от вавилонских глиняных табличек до космических телескопов, все еще решает, какое мерцание данных является открытием.
AI-resistant 70 🧿Создает, измеряет и контролирует устройства, использующие квантовые состояния для вычислений, зондирования, связи и исследования материалов.
AI-resistant 78 🧫Использует данные клинических исследований, исследований и системы здравоохранения для получения надежных данных для более безопасного ухода, исследований и операционных решений.
AI-resistant 68