A matematika eddig a „lassan, de biztosan” tudományágak közé tartozott: amit leírsz, annak vagy igaznak kell lennie, vagy nincs értelme. Most viszont a kutatók attól tartanak, hogy az AI-val a tempó nő, a megbízhatóság pedig pont ott repedezik, ahol a legkevésbé fér bele: a bizonyításoknál.

Mi történt

Június 2-án megjelent a Leiden Declaration on Artificial Intelligence and Mathematics, egy nyilatkozat, amely a mesterséges intelligencia matematikai kutatásra gyakorolt hatásait és kockázatait foglalja össze. A dokumentumot egy 16 fős munkacsoport dolgozta ki nyolc hónap alatt, egy 2025 szeptemberében, a hollandiai Leiden Egyetemen tartott konferenciát követően.

A nyilatkozatot az International Mathematical Union is támogatja, ami jelzi, hogy nem marginális panaszkodásról, hanem a szakma intézményes szintjén komolyan vett kérdésről van szó. Az időzítés sem véletlen: mindez két héttel azután történt, hogy az OpenAI egy modelljét úgy mutatta be, mint amely megcáfolt egy közel 80 éves geometriai sejtést.

A deklaráció központi állítása, hogy az AI-fejlesztések fenyegetik a matematikai kutatás „jellegzetes értékeit”, és ezek a hatások aránytalanul érinthetik a hallgatókat és a pályakezdő matematikusokat — vagyis hosszabb távon magának a diszciplínának a jövőjét.

Miért fontos

A matematika minőségbiztosítása hagyományosan a bizonyítás köré szerveződik: egy állítás akkor „kész”, ha a bizonyítás ellenőrizhető, átlátható és függetlenül újra levezethető. Gondolj erre úgy, mint a tudományos világ könyvelésére: nem elég, hogy kijön a végeredmény, a tételeknek is stimmelniük kell.

A nyilatkozat szerint az AI-modellek képesek hihető, jól hangzó, de megbízhatatlan vagy egyenesen hibás érveléseket előállítani, amelyek ránézésre összetéveszthetők egy korrekt bizonyítással. Ez különösen veszélyes ott, ahol a bírálók és szerkesztők amúgy is időnyomás alatt dolgoznak: ha a „szöveg” professzionális, a hiba pedig finom, a hagyományos szűrők könnyebben átengedhetik.

Mire figyelj

  1. A bizonyítások ellenőrzésének új terhei: ha egy AI által generált levezetés „szép”, de nem biztos, hogy igaz, akkor a bírálat több időt és mélyebb ellenőrzést igényel — ez lassíthatja a publikálást, vagy épp ellenkezőleg, kényszerítheti a felületesebb kontrollt.
  2. „Olcsó” hibás kéziratok irodalmi zajt okozhatnak: Leslie Ann Goldberg (Oxford) arra figyelmeztetett, hogy a pontatlan AI-generált vázlatok tömegesen jelenhetnek meg, és ha egyszer bekerülnek a szakirodalomba, a hibák továbbterjedhetnek, amikor új eredmények épülnek rájuk.
  3. Pályakezdők fokozott kitettsége: a nyilatkozat külön kiemeli, hogy a hallgatók és korai karrierszakaszban lévők aránytalanul sérülhetnek — például az elvárások, a publikációs nyomás és a „gyors eredmények” kultúrája miatt.

A következő hónapok nagy kérdése az lesz, hogy a matematika közössége milyen új normákat és ellenőrzési gyakorlatokat tud kialakítani úgy, hogy közben az AI hasznát megtartsa, a bizonyításokba vetett bizalmat pedig ne erodálja.