Muling babaligtarin ng AI ang matematika? Mabilis na nagbigay pahayag si Tao Zhexuan: Itigil ang pagdidiyos!

  Ulat ng Xinzhiyuan  

Maaring nakita mo na ang ganitong uri ng nakakapukaw na pamagat ng balita: "AI ay ganap na nagsosolo ng problema sa matematika na di maresolba ng tao sa loob ng limampung taon! Mawawalan ng trabaho ang mga matematisyan!"

Para sa mga sabik na masaksihan ang pagsilang ng AGI, walang duda na isa na namang pampalakas ng loob ito. Ngunit para sa mga matematisyan na nagtatanggol sa dignidad ng katalinuhan ng tao, para itong hudyat ng pagbagsak ng huling kuta.

Habang lumalaki ang impluwensiya ng mga artikulong ito, may isang tao na hindi na nakatiis at naglabas ng pahayag upang pababain ang hype.

Nakakatuwang isipin, ang taong ito ay isa sa mga pinaka-aktibong tagapagtaguyod ng AI sa pananaliksik sa matematika—si Terence Tao.

Hindi ipinagkaila ni Terence Tao ang kakayahan ng AI sa pananaliksik sa matematika, gusto lang niyang ibalik sa realidad ang pananaw ukol dito.

Ngayong madaling araw, nag-post si Terence Tao na,masyadong pinalalaki ang kakayahan ng AI sa paglutas ng mga problemang matematikal.

Nagbigay siya ng mas sistematikong paliwanag at babala sa kaugnay na GitHub page ng proyekto ng Erdős Problems.

Binibigyang-diin niya na madaling masobrahan ang interpretasyon ng publiko sa kakayahan ng AI na lutasin ang mga problema ng Erdős,lalo na kapag itinuturing ang isang natatanging resulta bilang ebidensya na "may advanced na kakayahan sa matematika ang AI".

Ano nga ba ang nililinaw ni Terence Tao? Hanggang saan na ba talaga ang nagawa ng AI sa mga problema ng Erdős?

Unang-una, hindi itinatanggi ni Terence Tao ang progreso ng AI sa larangan ng matematika.

Ang kanyang tinututulan ay ang isang tamad na naratibo:ang "AI ay kayang magbigay ng mga resultang maaaring beripikahin" ay biglang pinalalabas na "ang AI ay marunong na gumawa ng matematika, kayang magsariling likha, at kayang palitan ang tao".

Sa kanyang na-update na "AI contributions to Erdős problems" page, binanggit niya na kapag tumitingin sa performance ng AI sa mga problema ng Erdős, huwag lang tignan ang "ilang problema ang nalutas", kundi bigyang pansin pa ang mga sumusunod:

• Napakalaki ng agwat ng kahirapan ng mga problema, kaya hindi direktang maikukumpara ang "bilang ng nalutas":Ang antas ng kahirapan ng mga problema ng Erdős ay napakalawak, mula sa kilalang napakahirap na mga pangunahing problema hanggang sa napakaraming "long-tail" na matagal nang hindi nabibigyan ng pansin o napag-aralan. Marami sa huli ay "low-hanging fruit" na mas angkop para sa kasalukuyang mga tool ng AI. Ang problema: mahirap matukoy kung aling kategorya nabibilang ang isang problema nang walang ekspertong pagsusuri ng literatura. Kaya, ang pagkukumpara gamit ang "sino ang mas maraming nalutas" ay maaaring hindi patas kung magkaiba ang antas ng kahirapan.

• Maraming problema na "hindi pa nalulutas" ay hindi sigurado:Maraming mga tanong sa website ay kulang sa sistematikong pagsusuri ng literatura, kaya ang label na "Open" (hindi pa nalulutas) ay pansamantala lamang. Kapag nalutas ng AI ang isang tanong, madalas ay nadidiskubre ng mga tao na—matagal na pala itong nalutas sa literatura(maaaring iba lang ang pamamaraan). Nagreresulta ito na madaling mabigo ang naratibong "AI ang unang nakalutas".

• Kadalasan, ang nakikita lang natin ay mga matagumpay na kaso, ang mga kabiguan ay natatago:Hindi kumpleto ang tala ng website sa paggamit ng mga AI tool, lalo na sa mga hindi nagtagumpay o walang progreso.

• May ilang problema na may orihinal na maling pahayag, maaaring malutas ng "pagsasamantala sa literal na salita":Sa iilang kaso, ang pahayag ng problema ng Erdős ay hindi eksakto o mali, kaya upang maibalik ang orihinal na intensyon, kailangan ang konteksto at kaalaman sa larangan—may elementong subjectivity rito.

• Ang halaga ng matematika ay hindi lang sa sagot, kundi sa "pag-uugnay ng network ng kaalaman":Ang kabuluhan ng matematika ay hindi lang sa pagpapatunay, kundi pati sa kontribusyon nito sa ibang larangan, paano ito nauugnay sa umiiral na teorya, at kung anong mga pamamaraan ang maaaring mailipat. Kapag gumagawa ng patunay ang tao, karaniwang natural na nadaragdagan ito ng paliwanag: background, motibasyon, paghahambing ng literatura, at limitasyon ng pamamaraan. PeroAI-led na mga patunayay kadalasang kulang sa ganitong aura ng kaalaman, kaya maaaring tama sa teknikal na aspeto, ngunit mababa ang halaga para sa komunidad ng matematika.

• Ang paglutas ng mga long-tail na problema ay hindi garantiya na mapapublish sa top journal:Hindi lahat ng nalulutas na problema ay katumbas ng isang publishable na papel. Lalo na kung ang problema ay obscure at maliit lang ang pagbabago sa umiiral na pamamaraan, hindi ito nangangahulugang makakapasok sa magagandang journal.

• Ang pormalisasyon ng mga patunay ng AI gamit ang Lean at katulad na assistants ay mabuting paraan para tumaas ang reliability, ngunit maaari pa ring manipulahin:Halimbawa, maaaring palihim na nagdagdag ng extra axiom sa pormalisasyon, maling napormalisa ang pahayag ng problema, o ginamit ang "edge behavior" ng mathematical library/syntax. Lalo na kung ang pormalisadong patunay aynapakaikliomasyadong verbose, dapat maging maingat.

Sa madaling salita, naniniwala si Terence Tao na ang progreso ng AI sa mga problema ng Erdős ay kapansin-pansin,ngunit ang dapat talagang tingnan ay ang antas ng kahirapan ng problema, pagsusuri ng literatura, pagbabalik ng orihinal na intensyon, integrasyon ng kaalaman, at kung gaano katibay ang verification chain at iba pang multidimensional na sukatan.

Ang pagkakaroon ng resulta ng AI ay hindi nangangahulugang may ganap na kakayahan na ito sa matematika.

Sa realidad, ano nga ba talaga ang nagagawa ng AI?

Hinati ni Terence Tao ang mga kontribusyon ng AI sa ilang kategorya sa kanyang GitHub page.

May AI na nakabuo ng kumpleto (o bahagi) ng solusyon, may AI na akala ay hindi pa nalulutas ang problema ngunit natuklasang matagal na itong nalutas, may AI na tumulong sa literature search, may AI na nag-formalize ng patunay sa Lean, at may AI na tumulong sa tao na muling isulat ang mga dati nang argumento, atbp.

Halimbawa, binanggit sa page na #728 na problema noong Enero 6, 2026 ay binigyan ng kumpletong solusyon ng Aristotle at ChatGPT 5.2 Pro (Lean verified),#729 na problema noong Enero 8-10 ay nabigyan rin ng kumpletong solusyon (Lean verified).

Ibig sabihin, sa ilang uri ng tanong at antas ng kahirapan, kayang makabuo ng AI ng "proof structure na pwedeng patakbuhin", at kahit pumasok sa formal verification process.

May ilang problema na ganap na nalutas ng AI, ngunit kalaunan ay natuklasang may nakalutas na pala dati.

Partikular pang binanggit ni Terence Tao ang "AI-powered literature review": ginagamit ang AI sa paghahanap kung may existing na solusyon o maling pag-label bilang Open.

Kung pagbabasehan lang ang iilang halimbawa at sabihing "walang tatalo sa AI sa matematika", masyadong one-sided iyon.

Ngunit sa kabilang banda, kung paniniwalaan namang walang silbi ang AI sa matematika, malalampasan mo rin ang tunay na halaga nito.

Mas tamang sabihin: natututo ang AI na gawin ang mga gawaing pisikal at inhenyeriya sa matematika: pagsunod sa routine, pagsasara ng gap, pormalisasyon, pagsulat at pagrerebisa, paghahanap ng literatura.

Ngunit ang tunay na "kaluluwa" ng matematika—ang magtanong ng malalalim, lumikha ng bagong konsepto, at ipasok ang isang resulta sa network ng kaalaman ng buong disiplina—ay nananatiling lubos na nakasalalay sa tao.

Ito mismo ang nais iparating ni Terence Tao sa kanyang post sa kalaliman ng gabi.

Ang mga matematisyan ng hinaharap ay maaaring hindi na mga nag-iisang nag-iisip, kundi mga heneral na namumuno sa hukbo ng silicon-based intelligence: sa malawak na larangan ng matematika, ang tao ang nagbibigay ng direksyon, ang AI ang gumagawa ng tulay at daan.

Huwag gawing alamat ang AI out of context, ngunit huwag ring maliitin ang lakas na ito na muling binabago ang paraan ng paghahanap ng katotohanan.