Sprawni Cyfrowo
Grupa 25 czołowych matematyków opublikowała list otwarty, w którym ostrzega, że laboratoria AI zagrażają sposobowi, w jaki powstaje wiedza naukowa. To kolejna odsłona narastającego sporu o AI w matematyce: modele coraz częściej „dowodzą" twierdzeń, a naukowcy pytają, kto odpowiada za weryfikację, cytowanie i jakość tych wyników. Sygnatariusze nie kwestionują samej technologii, lecz tempo i tryb ogłaszania odkryć.
Zdaniem autorów listu pośpiech w obwieszczaniu dowodów wygenerowanych przez AI podważa trzy filary pracy naukowej: dokumentację, atrybucję i recenzję (peer review). Spór ma konkretne tło. Profesor Tristan Buckmaster z NYU zarzucił OpenAI naciski, by nie przyznawać współautorstwa badaczowi związanemu z Anthropic, i pytał, czy firma wykorzystała jego pracę z narzędziem Codex przy własnym dowodzie dotyczącym równań Naviera-Stokesa. Po krytyce środowiska OpenAI wycofało się ze sponsorowania wydarzenia matematycznego na CalTech. Matematycy zwracają uwagę, że laboratoria dysponują budżetami pozwalającymi „wyprzedzić" ludzi w wyścigu po dowody, co premiuje szybkość kosztem rzetelności.
Bez matematyków, którzy włączają idee do kanonu matematyki, pomysły wymyślone przez AI nigdy nie stałyby się w pełni żywe. — list otwarty matematyków, cyt. za TechCrunch
Co AI w matematyce oznacza dla firm
Ten konflikt to nie tylko sprawa akademicka. Pokazuje wzorzec, który dotyczy każdej pracy eksperckiej wspieranej przez AI: wynik modelu wygląda na gotowy, ale bez człowieka, który go zweryfikuje i opisze jego pochodzenie, pozostaje niepewny. List ostrzega przed poważnymi pytaniami o atrybucję i plagiat oraz przed ogłaszaniem niesprawdzonych rezultatów bez recenzji.
Dla polskich firm płynie z tego praktyczny wniosek. Gdy AI generuje analizę, kod, raport prawny czy dokumentację, potrzebny jest jasny proces: kto sprawdza poprawność, skąd pochodzą dane i przesłanki oraz jak oznaczamy wkład maszyny. Weryfikacja przez specjalistę i człowiek w pętli przy nieodwracalnych decyzjach to nie hamulec, lecz warunek zaufania do wyników. Warto z góry ustalić zasady atrybucji i odpowiedzialności, zanim narzędzie trafi do codziennej pracy zespołu.
Źródło: TechCrunch (EN), 11 września 2026.
