Το πεδίο μου αποτελεί έκφραση του ανθρώπινου πνεύματος, όσο και η μουσική ή η λογοτεχνία. Ανήκει τώρα στις μηχανές;
Steven Strogatz
The Atlantic — 25 Οκτωβρίου 2026
Είναι 4:26 τα ξημερώματα και περιφέρομαι μέσα στο σπίτι, ενώ η γυναίκα μου κοιμάται στον επάνω όροφο. Νιώθω αποπροσανατολισμένος, αναστατωμένος, σε σύγχυση — όπως νιώθω εδώ και μήνες, από τον Μάιο, όταν η Τεχνητή Νοημοσύνη έβαλε στο στόχαστρό της τα μαθηματικά.
Εδώ στην Ιθάκη, τα φύλλα των δέντρων φλέγονται από τα χρώματα του φθινοπώρου, σε αποχρώσεις του κατακόκκινου και του πορτοκαλί. Χθες τα έβλεπα να στροβιλίζονται στην πίσω αυλή μου, ακολουθώντας τις γραμμές ροής μιας δίνης που περιγράφεται από τις εξισώσεις Navier–Stokes. Έχετε ακούσει για τις εξισώσεις Navier–Stokes, σωστά; Μέχρι τώρα αποκλείεται να μην έχετε ακούσει. Στις αρχές Σεπτεμβρίου, η OpenAI ανακοίνωσε ότι είχε λύσει το Πρόβλημα της Χιλιετίας που αφορά τις εξισώσεις Navier–Stokes. Ένα εσωτερικό μοντέλο Τεχνητής Νοημοσύνης εξαπέλυσε περίπου 10.000 πράκτορες, οι οποίοι εργάστηκαν αδιάκοπα επί 88 ώρες, κατατρώγοντας αυτό το παλιό πρόβλημα μέχρι που τελικά υποχώρησε.
Είμαι καθηγητής μαθηματικών και ο κλάδος μου βρίσκεται σε κρίση. Κανείς στον κόσμο των μαθηματικών δεν πρόκειται να ξεχάσει ποτέ το 2026. Εκτός, βέβαια, αν αυτή είναι πραγματικά η αρχή του τέλους για το αντικείμενό μας, οπότε κανείς δεν θα θυμάται τίποτα από τα μαθηματικά ούτως ή άλλως. Οι μηχανές, φυσικά, θα θυμούνται. Αλλά γι’ αυτές είναι σαν να βρισκόμαστε μόλις στην πρώτη ημέρα.
Προσπαθώ να αποφεύγω να μιλάω με αυτόν τον τρόπο. Είναι τρομερά αποθαρρυντικό για τους μεταπτυχιακούς και προπτυχιακούς φοιτητές, που ονειρεύονταν μια ζωή ως μαθηματικοί ή ίσως ως καθηγητές μαθηματικών — μια ζωή αφιερωμένη στην επίλυση γρίφων, στη διατύπωση ερωτημάτων, στη συνεργασία με φίλους που αγαπούν κι εκείνοι τα μαθηματικά, στον στοχασμό γύρω από αυτό το υπέροχο, υπερβατικά όμορφο αντικείμενο, που τόσο συχνά παρεξηγείται.
Στο μεταξύ, το ευρύτερο κοινό απορεί.
Δεν θέλουν οι μαθηματικοί να λύνονται τα προβλήματά τους;
Και ναι και όχι.
Για τους «εφαρμοσμένους» μαθηματικούς, όπως εγώ — εκείνους που στρέφουν το βλέμμα τους προς τα έξω και αντλούν έμπνευση από τη φύση και τον πραγματικό κόσμο, ελπίζοντας να χρησιμοποιήσουν τα μαθηματικά για να βελτιώσουν την επιστήμη, την ιατρική, τις επιχειρήσεις, τη μηχανική και την καθημερινή ζωή — η Τεχνητή Νοημοσύνη μπορεί να αποδειχθεί ευλογία. Το πιο πρόσφατο εργαλείο που μας επιτρέπει να δούμε μακρύτερα και βαθύτερα, συνεχίζοντας την παράδοση του τηλεσκοπίου και του μικροσκοπίου.
Επομένως ναι, ασφαλώς, κάποιοι από εμάς είμαστε ενθουσιασμένοι με την προοπτική να τη χρησιμοποιήσουμε.
Αλλά για πολλούς «καθαρούς» μαθηματικούς — εκείνους που στρέφονται προς τα μέσα, στις πιο θεωρητικές πλευρές των μαθηματικών, στην εσωτερική ομορφιά και τη δομή τους, επιστρατεύοντας την ανθρώπινη δημιουργικότητα, τη φαντασία και τη λογική — η Τεχνητή Νοημοσύνη προκαλεί πολύ πιο αμφίθυμα συναισθήματα. Επειδή οι μηχανές μπορούν να ανακαλύπτουν τις αλήθειες που αναζητούμε, αλλά με τίμημα να μας στερούν τον αγώνα και τη χαρά του να τις ανακαλύπτουμε μόνοι μας.
Τα καθαρά μαθηματικά είναι η μελέτη ιδεατών μοτίβων και δομών: αριθμών και σχημάτων, κυμάτων και ταλαντώσεων, τάξης και χάους, συμμετρίας και απείρου.
Δεν υπάρχουν τέλειοι κύκλοι στη φύση. Υπάρχουν μόνο μέσα στο μυαλό μας.
Μόνο που — και εδώ βρίσκεται κάτι απόκοσμο — οι μαθηματικές αλήθειες μοιάζουν να υπάρχουν και έξω από τον ανθρώπινο νου. Κατοικούν σε ένα μυστηριώδες πλατωνικό βασίλειο, ρίχνοντας τις σκιές τους πάνω στην πραγματικότητά μας.
Το ανθρώπινο είδος παίζει αυτό το παιχνίδι εδώ και τουλάχιστον 4.000 χρόνια. Πρόκειται για μια έκφραση του ανθρώπινου πνεύματος εξίσου βαθιά με τη μουσική και τη λογοτεχνία.
Αν η Τεχνητή Νοημοσύνη συνεχίσει να ισοπεδώνει τα καθαρά μαθηματικά, θα συντρίψει τις ελπίδες των νέων ανθρώπων που ονειρεύονταν να ενταχθούν σε αυτή την παράδοση.
Όλοι όσοι γνωρίζω αντιδρούν με τον δικό τους τρόπο.
Θα σας διηγηθώ τρεις ιστορίες για όσα κερδίζουμε και όσα χάνουμε μετά την έκρηξη της μεγαλύτερης μέχρι σήμερα βόμβας της OpenAI στα καθαρά μαθηματικά: της έκθεσης που δημοσίευσε στις 6 Οκτωβρίου, σύμφωνα με την οποία το νεότερο μοντέλο της είχε λύσει σχεδόν 400 εμβληματικά ανοιχτά προβλήματα.
Ήταν γρίφοι που λειτουργούσαν επί δεκαετίες σαν φάροι μέσα στο σκοτάδι, καλώντας μας, προκαλώντας μας και εμπνέοντάς μας.
Κατά μέσο όρο, το μοντέλο χρειάστηκε μόλις τρεις ώρες υπολογιστικής εργασίας για να ξεμπερδεύει με καθένα από αυτά.
Η πρώτη ιστορία: Να κάνουμε την τεχνολογία δική μας
Νωρίτερα αυτόν τον μήνα, κατευθυνόμουν προς το καθιερωμένο εβδομαδιαίο γεύμα με τον φίλο μου, τον Alex Townsend.
Είναι πολύ νεότερός μου — θα μπορούσε να είναι γιος μου — και σκέφτεται πολύ το μέλλον. Από ευτυχή συγκυρία, μόλις ολοκληρώσαμε τη συγγραφή ενός βιβλίου για τους υπολογιστές και τα μαθηματικά, και για το τι συμβαίνει όταν η ανθρωπότητα συνάπτει μια συμφωνία με τη μηχανή, αρχίζοντας να αναθέτει την ίδια της τη νοημοσύνη σε κάτι ξένο και αδηφάγο.
Καθώς περπατούσαμε προς το εστιατόριο, ο Alex έμοιαζε ταραγμένος. Τα μάτια του ήταν πιο ορθάνοιχτα από το συνηθισμένο. Χειρονομούσε. Φώναζε.
Μου είπε ότι είχε συγκεντρώσει περίπου 200 σημαντικά άλυτα προβλήματα από τον δικό του εξειδικευμένο τομέα, την αριθμητική γραμμική άλγεβρα.
Αντί να αφήσει την OpenAI ή την Anthropic να τα προλάβει, αποφάσισε να επιμεληθεί ο ίδιος μια συλλογή αυτών των προβλημάτων, με την ελπίδα ότι οι φίλοι και οι συνάδελφοί του θα μπορούσαν να τα λύσουν οι ίδιοι — ενδεχομένως με τη βοήθεια της Τεχνητής Νοημοσύνης — προτού οι μεγάλες εταιρείες τα σαρώσουν.
Αυτός είναι ο τρόπος με τον οποίο ο Alex αντιδρά στην κρίση: αγκαλιάζει την τεχνολογία και προσπαθεί να την κάνει δική μας.
Να τη χρησιμοποιήσει για να διευρύνει τα σύνορα των μαθηματικών, τόσο των καθαρών όσο και των εφαρμοσμένων, και να λύσει προβλήματα που έχουν πραγματική σημασία — προβλήματα στην ιατρική, στην ενέργεια, στο κλίμα. Δύσκολα προβλήματα, στα οποία η Τεχνητή Νοημοσύνη θα μας βοηθήσει.
Αυτό είναι το μήνυμα ελπίδας που θέλει να μεταφέρει στους μεταπτυχιακούς φοιτητές.
Υποστηρίζει ότι πρέπει να ξεκαθαρίσουμε όλα τα υπάρχοντα ανοιχτά προβλήματα — να τραβήξουμε όλα τα Εξκάλιμπερ από τους βράχους τους — ώστε να ανοίξουμε τον δρόμο για ένα νέο είδος μαθηματικών.
Σε αυτό το νέο είδος μαθηματικών, οι σημαντικότερες ανθρώπινες συνεισφορές θα είναι η διατύπωση εύστοχων ερωτημάτων, η ανάπτυξη θεωριών, η ερμηνεία των αποδείξεων που παράγουν οι μηχανές, η ανακάλυψη νέων εφαρμογών, η επιλογή των προβλημάτων που αξίζει να αντιμετωπιστούν και η χαρά του να απολαμβάνουμε ο ένας τη συντροφιά του άλλου καθώς εξερευνούμε όλα αυτά μαζί.
Πώς αντέδρασαν, λοιπόν, οι συνάδελφοί του στο σχέδιό του;
Πολλοί ενθουσιάστηκαν. Κάποιοι, όμως, εξοργίστηκαν.
Τον θεώρησαν συνεργό σε όλα τα αρνητικά που συμβαίνουν σήμερα. Ανησυχούν ότι συμβάλλει στην καταστροφή της διαδικασίας εκπαίδευσης νέων ερευνητών και ότι ενθαρρύνει την πρόωρη επίλυση προβλημάτων που θα έπρεπε να παραμείνουν διαθέσιμα για τους φοιτητές.
Ο Alex πιστεύει ότι η αντίσταση στην Τεχνητή Νοημοσύνη είναι μάταιη.
Θεωρεί ότι πρέπει να προσαρμοστούμε, ριζικά και γρήγορα.
Μου είπε ότι δημοσιοποιεί ακόμη περισσότερα προβλήματα — 600 προβλήματα που παραμένουν άλυτα εδώ και χρόνια, από ολόκληρο το φάσμα των εφαρμοσμένων μαθηματικών — ώστε οι άνθρωποι να τα λύσουν, πιθανότατα με τη βοήθεια της Τεχνητής Νοημοσύνης, και να μπορέσει έτσι να ξεκινήσει μια πραγματικά νέα ερευνητική προσπάθεια.
Η δεύτερη ιστορία: Ένα μπουκάλι κονιάκ που περιμένει 19 χρόνια
Μόλις μία ημέρα πριν από το γεύμα μου με τον Alex, ολόκληρο το τμήμα Μαθηματικών του Cornell — καθηγητές, διοικητικό προσωπικό και φοιτητές — είχε κληθεί σε μια ανοιχτή συγκέντρωση.
Σκοπός της ήταν να προσφέρει παρηγοριά και υποστήριξη, αλλά και να αντιμετωπίσει ζητήματα όπως το πώς θα αξιολογούμε στο μέλλον τους υποψηφίους για ακαδημαϊκές θέσεις και τι θα πρέπει πλέον να περιμένουμε από έναν υποψήφιο διδάκτορα, από τη στιγμή που μια Τεχνητή Νοημοσύνη μπορεί να λύσει το πρόβλημα της διδακτορικής του διατριβής και ακόμη και να γράψει την ίδια τη διατριβή γι’ αυτόν.
Κάποια στιγμή, ένας από τους συναδέλφους μου στα καθαρά μαθηματικά σηκώθηκε να μιλήσει.
Ήταν ο Justin Moore, γνωστός για την εργασία του στη μαθηματική λογική και τη θεωρία συνόλων — θεμελιώδεις κλάδους πάνω στους οποίους στηρίζονται τα υπόλοιπα μαθηματικά.
Μας μίλησε για ένα συγκεκριμένο πρόβλημα που αγαπούσε εδώ και πολλά χρόνια και στο οποίο επέστρεφε ξανά και ξανά επί 19 χρόνια.
Είπε ότι το 2010 είχε αγοράσει ένα μπουκάλι κονιάκ XO στο Luminy, έξω από τη Μασσαλία.
Σχεδίαζε να ανοίξει το μπουκάλι όταν το πρόβλημα θα λυνόταν και να καλέσει όσους είχαν εργαστεί πάνω σε αυτό για να γιορτάσουν μαζί.
Το πρόβλημα αφορούσε κάτι που δεν μπορούσα να καταλάβω ούτε στο ελάχιστο — κάτι σχετικά με τις μη επιδεκτικές ομάδες (non-amenable groups) και την ομάδα F του Thompson.
Αλλά δεν είχε σημασία που το πρόβλημα ήταν ακατανόητο για πολλούς από εμάς.
Είχε φυλάξει εκείνο το μπουκάλι κονιάκ για ένα πρόβλημα που μόλις είχε εξοντωθεί από μια μηχανή.
Ήταν άλλο ένα τρόπαιο στη συλλογή της OpenAI, ένα από τα εκατοντάδες, παρουσιασμένα σαν κομμένα κεφάλια ρινόκερων.
Κάποιος τον ρώτησε τι γνώμη είχε για την απόδειξη που είχε παραγάγει η Τεχνητή Νοημοσύνη.
Ο Justin απάντησε ότι δεν ήξερε.
Δεν είχε διαβάσει ακόμη την εργασία.
Είπε ότι ήταν «πολύ απασχολημένος».
Αυτό με άφησε άναυδο.
Πολύ απασχολημένος για να κοιτάξει ένα πρόβλημα που τον απασχολούσε στα όνειρά του επί 19 χρόνια;
«Είμαι πραγματικά απασχολημένος και πιθανότατα δεν θα μπορούσα να βρω αμέσως χρόνο ούτε για να διαβάσω μια απόδειξη γραμμένη από άνθρωπο», μου εξήγησε αργότερα με ένα email.
«Δεν βοηθάει και το γεγονός ότι η Τεχνητή Νοημοσύνη δεν γράφει ιδιαίτερα καλά μαθηματικά».
Εξακολουθούσε, πάντως, να σκοπεύει να ανοίξει το μπουκάλι, όπως είπε, «όταν μια ομάδα συναδέλφων που εμπιστεύομαι συμφωνήσει ότι η απόδειξη είναι σωστή και όταν θα έχουμε κατανοήσει συλλογικά την απόδειξη».
Πρόσθεσε όμως:
«Έχω την αίσθηση ότι η δοκιμή αυτού του κονιάκ θα μοιάζει περισσότερο με αγρυπνία για έναν νεκρό παρά με γιορτή».
Η γνώση και η κατανόηση δεν είναι το ίδιο πράγμα
Αυτό που επιθυμούμε ως μαθηματικοί είναι ένα μείγμα γνώσης και κατανόησης.
Αλλά οι καθαροί και οι εφαρμοσμένοι μαθηματικοί δεν συμφωνούν πάντοτε ως προς το τι προμηνύει η Τεχνητή Νοημοσύνη για τα μαθηματικά, επειδή οι δύο κοινότητές μας αποδίδουν διαφορετική βαρύτητα στην αξία της γνώσης και στην αξία της κατανόησης.
Σε γενικές γραμμές, οι εφαρμοσμένοι μαθηματικοί προσπαθούν να ανακαλύψουν τόσο τι είναι αληθινό όσο και, όπου είναι δυνατόν, γιατί είναι αληθινό.
Χρησιμοποιούμε αυστηρά μαθηματικά όποτε μπορούμε, αλλά δεν ντρεπόμαστε να βασιστούμε στη φυσική διαίσθηση, στους υπολογιστές, στα πειράματα, στα δεδομένα, στις αναλογίες — σε οτιδήποτε μπορεί να μας οδηγήσει στην απάντηση και να μας βοηθήσει να της δώσουμε νόημα.
Αντίθετα, στα καθαρά μαθηματικά, το παν είναι το γιατί.
Χωρίς τον συλλογισμό που βρίσκεται πίσω από μια απάντηση, η απλή γνώση της σωστής απάντησης μοιάζει, στα μάτια ενός καθαρού μαθηματικού, επιφανειακή, απογοητευτική και ελλιπής.
Αυτή η προσήλωση στην κατανόηση μπορεί να είναι δύσκολο να γίνει κατανοητή από το ευρύ κοινό.
Αν ένα μοντέλο Τεχνητής Νοημοσύνης προβλέψει σωστά ότι διατρέχετε αυξημένο κίνδυνο να εμφανίσετε καρκίνο του μαστού μέσα στα επόμενα πέντε χρόνια, θα έπρεπε να σας απασχολεί το γεγονός ότι δεν μπορεί να εξηγήσει το γιατί, ούτε εκείνο ούτε ο ακτινολόγος σας;
Όταν διακυβεύονται ανθρώπινες ζωές, η κατανόηση γίνεται λιγότερο επείγουσα από την απλή γνώση της απάντησης.
Οι καθαροί μαθηματικοί συμφωνούν με αυτό, αλλά η συγκεκριμένη ένταση δεν αποτελεί μέρος της δικής τους δουλειάς.
Όπως μου έγραψε πρόσφατα σε ένα email ο Curtis McMullen, καθηγητής στο Harvard και κάτοχος του Μεταλλίου Fields, αφού με άκουσε να διατυπώνω μια παρόμοια παρατήρηση στην εκπομπή On Point του NPR:
«Τα μαθηματικά δεν είναι ακτινολογία. Μοιάζουν περισσότερο με την τέχνη ή τη φιλοσοφία και, στην πραγματικότητα, η ανθρώπινη κατανόηση είναι η ίδια η ουσία τους».
Και οι εφαρμοσμένοι μαθηματικοί, όμως, θέλουμε να κατανοήσουμε τα μαθηματικά.
Επειδή είναι μυστηριώδη και γοητευτικά, ασύλληπτα και αδιαμόρφωτα.
Δεν είμαστε καν σίγουροι αν τα μαθηματικά υπάρχουν κάπου εκεί έξω, στο σύμπαν — γιατί τι σημαίνει άραγε «εκεί έξω» όταν μιλάμε για αφηρημένες έννοιες που ζουν μέσα στη φαντασία μας;
Κι όμως, εξακολουθούμε να κυνηγάμε τα μαθηματικά.
Και κάποιες φορές αυτά αποκτούν υπόσταση ή μας αποκαλύπτονται.
Και τότε, έναν ή δύο αιώνες αργότερα, μας χαρίζουν, σχεδόν θαυματουργικά, το GPS, τα λέιζερ για τις επεμβάσεις στα μάτια, τις τηλεοπτικές μεταδόσεις από απόσταση, τους υπερήχους για τις εγκύους και όλα τα τραγούδια και τις φωτογραφίες που κουβαλάτε στην τσέπη σας, συμπιεσμένα χάρη σε εκπληκτικά ευφυείς μαθηματικούς αλγορίθμους που επινόησαν άνθρωποι.
Αλλά αυτή η υπεράσπιση των μαθηματικών είναι υπερβολικά εύκολη.
Και, ούτως ή άλλως, αναφέρεται σε καθαρά μαθηματικά που αργότερα μεταμορφώθηκαν σε εφαρμοσμένα.
Τι γίνεται, όμως, με τα καθαρά μαθηματικά που παραμένουν καθαρά;
Με εκείνο το κομμάτι των μαθηματικών που μοιάζει περισσότερο με την τέχνη, τη μουσική ή την ποίηση;
Που ακόμη δεν έχει καμία πρακτική χρησιμότητα για κανέναν, πέρα από το γεγονός ότι κάνει τη ζωή να αξίζει για εκείνους που το αγαπούν;
Δεν είναι κι αυτό μια μορφή χρησιμότητας;
Η τρίτη ιστορία: Ποιο είναι πλέον το νόημα;
Στην ανοιχτή συγκέντρωση του τμήματος, μια φοιτήτρια ονόματι Aria Beaupré έθεσε περίπου αυτό το ερώτημα.
Ποιο είναι το νόημα όλων αυτών; αναρωτήθηκε φωναχτά.
Πρόκειται για μια εξαιρετικά ευφυή νεαρή μεταπτυχιακή φοιτήτρια.
Ένας άνθρωπος σε αυτή την ηλικία δεν θα έπρεπε να θέτει ένα τέτοιο ερώτημα, σκέφτηκα.
Αυτή είναι μια ερώτηση για ηλικιωμένους σαν εμένα, που κοιτάζουν προς τα πίσω, όχι για νέους σαν εκείνη, που κοιτάζουν προς το μέλλον.
Ήμασταν όλοι συγκλονισμένοι, υπερβολικά μουδιασμένοι για να βγάλουμε νόημα από όσα μόλις είχαν συμβεί.
Από τότε, νομίζω ότι κατάφερα, ψηλαφώντας σχεδόν στα τυφλά, να πλησιάσω μια απάντηση.
Πριν από μερικές εβδομάδες, σε μια συζήτηση με τη Rachel Abrams στην εκπομπή The Daily, το podcast των New York Times, ξέφυγα από το θέμα των μαθηματικών και της Τεχνητής Νοημοσύνης και βρέθηκα να μιλάω για το νόημα της ζωής.
Πριν από εκείνη τη συζήτηση, θα έλεγα ότι ο σκοπός όλων αυτών είναι να μαθαίνουμε τι είναι αληθινό, ακόμη περισσότερο και από το να κατανοούμε γιατί είναι αληθινό.
Τώρα πιστεύω ότι το νόημα, ακόμη και για τους καθηγητές μαθηματικών, μπορεί να βρίσκεται στην ανθρώπινη σύνδεση.
Ανάμεσα στα εκατοντάδες email που έλαβα μετά τη δημοσίευση εκείνου του επεισοδίου, ένα μήνυμα από έναν προπτυχιακό φοιτητή με συγκίνησε βαθιά.
Ο φοιτητής περιέγραφε πολλές αποτυχίες και δοκιμασίες, καθώς και έναν αυστηρό αλλά εμπνευσμένο δάσκαλο.
«Όλα αυτά τα βαθιά ανθρώπινα πράγματα που εκφράσατε, και που έχω κι εγώ βάλει μέσα σε αυτό το email, δεν είναι κάτι που η Τεχνητή Νοημοσύνη μπορεί να κατορθώσει ή να βιώσει», έγραφε ο φοιτητής.
Και λίγο αργότερα πρόσθετε:
«Εμείς δίνουμε νόημα σε αυτές τις ιδέες και τις έννοιες και χρησιμοποιούμε τα μαθηματικά για να συνδεόμαστε μεταξύ μας και να προσδίδουμε νόημα στη ζωή και στις εμπειρίες ο ένας του άλλου. Η Τεχνητή Νοημοσύνη δεν μπορεί καν να αρχίσει να αναπαράγει μια τέτοια επίδραση, και δεν θα μπορέσει ποτέ».
Αλλά είναι πράγματι η ανθρώπινη σύνδεση μια επαρκής δικαιολογία για να αφιερώσει κάποιος τη ζωή του στα μαθηματικά;
Δεν είμαι βέβαιος ότι μια τέτοια απάντηση θα ικανοποιούσε καθαρούς μαθηματικούς όπως ο Justin.
Το βαθύτερο ερώτημα είναι αν τα μαθηματικά αποτελούν θεμελιωδώς ένα ανθρώπινο εγχείρημα, όπως η τέχνη ή ο αθλητισμός, ή αν μοιάζουν περισσότερο με την επιστήμη, δηλαδή με τη μελέτη αντικειμενικών αληθειών που υπάρχουν ανεξάρτητα από εμάς.
Αν οι μαθηματικές αλήθειες υπάρχουν έξω από τον ανθρώπινο νου, περιμένοντας να ανακαλυφθούν από οποιαδήποτε νοημοσύνη είναι αρκετά ισχυρή ώστε να τις αναζητήσει, τότε ασφαλώς τα επιτεύγματα της Τεχνητής Νοημοσύνης αποτελούν λόγο για πανηγυρισμούς.
Γιατί θα έπρεπε να έχει σημασία ποιος ή τι πραγματοποιεί τις ανακαλύψεις;
Αλλά αν τα μαθηματικά είναι μια δημιουργική ανθρώπινη δραστηριότητα — ένας τρόπος να ασκούμε την ευφυΐα και την επινοητικότητά μας και να μοιραζόμαστε αυτές τις εμπειρίες με άλλους ανθρώπους — τότε κάτι βαθιά πολύτιμο μπορεί να χαθεί όταν οι μηχανές αναλάβουν τα πάντα και μας αφήσουν πίσω.
«Παρόλο που η καρδιά μου θέλει τα μαθηματικά να εξακολουθήσουν να μοιάζουν με ολυμπιακό άθλημα, ξέρω ότι είναι επιστήμη», μου έγραψε πρόσφατα ο Justin.
Νιώθει διχασμένος ανάμεσα σε αυτές τις δύο ανταγωνιστικές αντιλήψεις για το αντικείμενο που αγαπάμε και οι δύο.
«Η Τεχνητή Νοημοσύνη διαχωρίζει αυτά τα δύο πράγματα με έναν άβολο τρόπο και μας αναγκάζει να κοιταχτούμε στον καθρέφτη».
Ίσως το δυσκολότερο από όλα να είναι ότι και οι δύο αντιλήψεις για τα μαθηματικά μπορεί να είναι αληθινές.
Οι μαθηματικές αλήθειες μπορεί πράγματι να υπάρχουν ανεξάρτητα από εμάς.
Αλλά η αναζήτησή τους μάς οδηγούσε πάντοτε βαθιά μέσα στον ίδιο μας τον εαυτό, αναγκάζοντάς μας να επιστρατεύσουμε ό,τι καλύτερο μπορούσε να προσφέρει το μυαλό μας.
Μέχρι τώρα, η ανακάλυψη και η χαρά της ανακάλυψης πήγαιναν χέρι χέρι.
Ξαφνικά, η Τεχνητή Νοημοσύνη τις χωρίζει βίαια.
Γι’ αυτό χάνω τον ύπνο μου εδώ και μήνες.
Και γι’ αυτό ο Justin δεν έχει ανοίξει ακόμη το μπουκάλι του.
Κανείς από τους δυο μας δεν ξέρει τι θα ακολουθήσει.
Θα υπάρξει άραγε ξανά καιρός για κονιάκ;
Σχετικά με τον συγγραφέα
Ο Steven Strogatz είναι καθηγητής μαθηματικών στο Πανεπιστήμιο Cornell και συν-συγγραφέας, μαζί με τον Alex Townsend, του υπό έκδοση βιβλίου Big Math: The Hidden Codes That Run Our World («Μεγάλα Μαθηματικά: Οι κρυφοί κώδικες που κυβερνούν τον κόσμο μας»).
ΣΧΟΛΙΟ ΑΝΙΧΝΕΥΣΕΩΝ: Η κεντρική, και ίσως πιο συγκλονιστική, σκέψη του Strogatz βρίσκεται στην τελευταία παράγραφο: η Τεχνητή Νοημοσύνη δεν απειλεί απλώς να αντικαταστήσει τον μαθηματικό ως εκείνον που βρίσκει μια απόδειξη. Απειλεί να διαχωρίσει για πρώτη φορά σε τέτοια κλίμακα δύο πράγματα που επί χιλιάδες χρόνια ήταν συνδεδεμένα: την απόκτηση της μαθηματικής αλήθειας και την ανθρώπινη εμπειρία της ανακάλυψής της.
του Αχιλλέα Ταουξή, Υποστρατήγου ε.α.
Jim VandeHei
