Τι σημαίνει να μελετάμε μαθηματικά στην εποχή της Τεχνητής Νοημοσύνης;
Μπορεί
μια μηχανή να ανακαλύψει νέα μαθηματικά; Μπορεί να αποδείξει ένα θεώρημα; Μπορεί
να καταλάβει μια μαθηματική ιδέα; Και, κυρίως, αν οι μηχανές μπορούν όλο και
περισσότερο να λύνουν μαθηματικά προβλήματα, τι θα σημαίνει στο μέλλον να
μαθαίνει και να κάνει μαθηματικά ένας άνθρωπος;
Αυτά
είναι μερικά από τα ερωτήματα που βρίσκονται στο επίκεντρο της δημόσιας
διάλεξης “Mathematics in the Age of AI” του Terence Tao, η οποία
πραγματοποιήθηκε στις 24 Ιουλίου 2026, στο πλαίσιο του International
Congress of Mathematicians (ICM 2026) στη Φιλαδέλφεια. Το ICM είναι το
μεγαλύτερο διεθνές συνέδριο μαθηματικών και πραγματοποιείται κάθε τέσσερα
χρόνια.
Η διάλεξη
έχει πλέον ανέβει ολόκληρη στο YouTube:
Ο Tao
έχει επίσης δημοσιεύσει τις επίσημες διαφάνειες της διάλεξης, οι οποίες είναι
διαθέσιμες ελεύθερα και αποτελούν ένα εξαιρετικό συνοδευτικό υλικό για την
παρακολούθηση του βίντεο.
Στη
διάλεξή του, ο Terence Tao, ένας από τους σημαντικότερους μαθηματικούς της
εποχής μας και κάτοχος του Μεταλλίου Fields, δεν επιχειρεί να προβλέψει απλώς
αν η Τεχνητή Νοημοσύνη (ΤΝ) θα «αντικαταστήσει» τους μαθηματικούς. Θέτει ένα
πολύ ευρύτερο ερώτημα: πώς πρέπει να ανταποκριθεί συνολικά η μαθηματική
κοινότητα στην εμφάνιση των σύγχρονων συστημάτων ΤΝ και στις πραγματικές -αλλά
και στις υποτιθέμενες- ικανότητές τους να εκτελούν μαθηματικές εργασίες;
Μια νέα
«κρίση των θεμελίων»;
Στην αρχή
της ομιλίας του ο Tao κάνει μια ιστορική αναδρομή. Για αιώνες, τα μαθηματικά
λειτουργούσαν πάνω σε θεμέλια τα οποία οι ίδιοι οι μαθηματικοί δεν χρειαζόταν
να εξετάζουν συνεχώς. Ερωτήματα όπως «Τι είναι ένα σύνολο;», «Τι είναι ένας
αριθμός;», «Τι είναι το άπειρο;» ή «Ποια είναι τα αξιώματα των μαθηματικών;»
είχαν σε μεγάλο βαθμό παραμείνει στο περιθώριο της καθημερινής μαθηματικής
πρακτικής.
Στις
αρχές, όμως, του 20ού αιώνα, η εμφάνιση παραδόξων, όπως το παράδοξο
του Russell, και αργότερα τα θεωρήματα μη πληρότητας του Gödel, προκάλεσαν μια
βαθιά κρίση. Οι μαθηματικοί αναγκάστηκαν να εξετάσουν πολύ πιο προσεκτικά τις
ίδιες τις βάσεις πάνω στις οποίες οικοδομούσαν τα μαθηματικά.
Το
αποτέλεσμα αυτής της κρίσης ήταν, τελικά, θετικό: δημιουργήθηκε ένα ρητό,
αυστηρό και τυποποιημένο θεμελιακό πλαίσιο, μέσα στο οποίο τα σύγχρονα
μαθηματικά μπορούν να αναπτύσσονται με μεγάλη ασφάλεια.
Ο Tao
θεωρεί ότι ίσως σήμερα βρισκόμαστε μπροστά σε μια ανάλογη περίοδο αναστάτωσης,
καθώς η ΤΝ μας αναγκάζει να ξανασκεφτούμε τι θεωρούμε καλή μαθηματική εργασία,
πώς παράγεται η μαθηματική γνώση, πώς ελέγχεται, πώς μοιράζεται και ποια είναι
τελικά η αξία της ανθρώπινης συμβολής στα μαθηματικά.
Ο ίδιος ο
Tao μιλά χαρακτηριστικά για μια «κρίση στα θεμέλια των μαθηματικών αξιών και
πρακτικών». Και εκτιμά ότι, αν εξετάσουμε και κωδικοποιήσουμε προσεκτικά τις
νέες αυτές πρακτικές, η μαθηματική κοινότητα μπορεί να βγει από αυτή την
περίοδο ισχυρότερη και πιο ανθεκτική.
Απόδειξη
που φαίνεται σωστή ή απόδειξη που είναι ελεγμένη;
Ένα άλλο
κεντρικό θέμα της διάλεξης είναι το formal verification, η τυπική
επαλήθευση των μαθηματικών αποδείξεων.
Η
παραδοσιακή μαθηματική απόδειξη είναι γραμμένη για ανθρώπους. Περιέχει συχνά
βήματα που ο συγγραφέας θεωρεί προφανή και τα οποία ο αναγνώστης καλείται να
συμπληρώσει νοητά. Αυτό λειτουργεί επειδή οι μαθηματικοί είναι εκπαιδευμένοι να
ελέγχουν τέτοιες αποδείξεις.
Όμως η ΤΝ
δημιουργεί ένα νέο πρόβλημα: μπορεί να παράξει μια εξαιρετικά πειστική
μαθηματική εξήγηση που περιέχει ένα λάθος. Εδώ τα συστήματα τυπικής απόδειξης,
όπως το Lean, αποκτούν ιδιαίτερη σημασία. Η βασική ιδέα είναι απλή: δεν αρκεί
μια απόδειξη να φαίνεται σωστή, πρέπει να μπορεί να ελεγχθεί μηχανικά.
Έτσι
δημιουργείται ένα πολύ ενδιαφέρον σχήμα:
AI: προτείνει μια απόδειξη → Σύστημα formal verification: ελέγχει την απόδειξη.
Η ΤΝ
μπορεί, επομένως, να αναλάβει ολοένα μεγαλύτερο μέρος της παραγωγής μαθηματικού
υλικού, ενώ ένα ανεξάρτητο τυπικό σύστημα μπορεί να ελέγχει αν το τελικό
αποτέλεσμα είναι πράγματι έγκυρο. Αυτό δεν κάνει τα μαθηματικά λιγότερο
αυστηρά. Ίσως, αντίθετα, να τα κάνει αυστηρότερα από ποτέ.
Προς ένα
νέο μοντέλο μαθηματικής συνεργασίας
Εδώ
βρίσκεται μία από τις πιο ενδιαφέρουσες ιδέες του Tao. Για μεγάλο μέρος της
ιστορίας τους, τα μαθηματικά είχαν ως βασική μονάδα τον άνθρωπο: ένας
μαθηματικός ή μια μικρή ομάδα μαθηματικών σκεφτόταν ένα πρόβλημα, έγραφε μια
απόδειξη και δημοσίευε τα αποτελέσματα.
Σήμερα
αυτό το μοντέλο αρχίζει να αλλάζει. Μπορούμε να φανταστούμε ένα τεράστιο
συνεργατικό οικοσύστημα στο οποίο συμμετέχουν:
μαθηματικοί + AI + βάσεις μαθηματικής γνώσης + συστήματα τυπικής απόδειξης + διαδικτυακές κοινότητες.
Η ΤΝ
μπορεί να δημιουργεί και να εξετάζει τεράστιο αριθμό πιθανών διαδρομών. Τα
formal systems μπορούν να ελέγχουν τις αποδείξεις. Οι μαθηματικοί μπορούν να
επιλέγουν τις ενδιαφέρουσες ιδέες και να δίνουν νόημα στα αποτελέσματα.
Τι μένει
λοιπόν για τον μαθηματικό;
Αν η ΤΝ
αναλάβει όλο και περισσότερες τεχνικές εργασίες, θα μπορούσε κάποιος να
ρωτήσει: Τι θα κάνει τότε ο μαθηματικός;
Ίσως
ακριβώς τα πράγματα που είναι δυσκολότερο να αυτοματοποιηθούν...
- Να επιλέγει τα σημαντικά προβλήματα.
- Να αναγνωρίζει μια ενδιαφέρουσα ιδέα.
- Να δημιουργεί νέες έννοιες.
- Να αποφασίζει ποια από τις πολλές πιθανές διαδρομές αξίζει να ακολουθηθεί.
- Να κατανοεί τη σημασία ενός αποτελέσματος.
- Να συνδέει διαφορετικούς κλάδους των μαθηματικών.
- Και, πάνω απ' όλα, να κρίνει.
Γιατί
όταν μια μηχανή μπορεί να παράγει εκατοντάδες πιθανές λύσεις, το σημαντικό
ερώτημα θα είναι πλέον: «Ποια λύση αξίζει να κρατήσουμε και γιατί;».
Και τι
σημαίνουν όλα αυτά για την εκπαίδευση;
Ίσως εδώ
να βρίσκεται το πιο ενδιαφέρον ερώτημα για όλους όσοι διδάσκουμε μαθηματικά. Αν
μια εφαρμογή ΤΝ μπορεί να λύσει μια άσκηση, να γράψει μια απόδειξη ή να
εξηγήσει ένα θεώρημα, τότε πρέπει να επανεξετάσουμε τι ακριβώς θέλουμε να μάθει
ο μαθητής.
Για
δεκαετίες έχουμε συνδέσει τη μαθηματική μάθηση με την ικανότητα να παράγουμε τη
σωστή απάντηση. Όμως η ΤΝ κάνει αυτή την ικανότητα όλο και λιγότερο
αποκλειστικά ανθρώπινη. Ίσως, επομένως, χρειάζεται να δώσουμε ακόμη μεγαλύτερη
έμφαση σε ερωτήματα όπως:
- Γιατί επιλέξαμε αυτή τη μέθοδο;
- Πώς ξέρουμε ότι η απάντηση είναι σωστή;
- Μπορούμε να διατυπώσουμε μια εικασία;
- Μπορούμε να εξηγήσουμε μια απόδειξη με δικά μας λόγια;
- Μπορούμε να εντοπίσουμε το λάθος σε μια φαινομενικά σωστή λύση;
- Μπορούμε να συγκρίνουμε δύο διαφορετικές λύσεις και να κρίνουμε ποια είναι καλύτερη;
Με άλλα
λόγια, η πρόκληση της ΤΝ ίσως μας αναγκάζει να μετακινηθούμε από το: «Μπορώ να
λύσω την άσκηση;» στο: «Μπορώ να σκεφτώ μαθηματικά;». Και αυτό μπορεί να είναι
μια ευκαιρία να ξανασκεφτούμε τι ακριβώς σημαίνει μαθηματική σκέψη.
Η διάλεξη του Terence Tao είναι, κατά τη γνώμη μας, μια πρόσκληση για να σκεφτούμε σε βάθος και να αναρωτηθούμε: «Σε μια εποχή όπου οι μηχανές μπορούν να κάνουν ολοένα περισσότερα μαθηματικά, τι είναι αυτό που κάνει τα μαθηματικά ανθρώπινα;».












