Kada je AlphaProof, DeepMind-ov AI sistem, u avgustu 2024. godine rešio četiri od šest zadataka sa Međunarodne matematičke olimpijade – uključujući jedan koji je decenijama odoljevao – matematička zajednica se podelila na dva tabora. Jedni su rekli: „Evo kraja matematičara kakvim ih poznajemo.“ Drugi su odgovorili: „Ne – evo početka najuzbudljivijeg perioda u istoriji matematike.“
Oba tabora greše i u pravu su istovremeno. I upravo ta tenzija čini ovo pitanje toliko važnim za razumevanje.
Šta AI zaista može u matematici – i šta ne može
Da bismo razgovarali o ovoj temi pošteno, moramo razdvojiti ono što AI sistemi zaista rade od onoga što se reklamira u naslovima.
AI je u poslednjih nekoliko godina postigao izvanredne rezultate u formalnoj verifikaciji dokaza, rešavanju algebarskih i kombinatornih problema, pretraživanju prostora hipoteza i pronalaženju obrazaca u velikim skupovima podataka. Lean, Coq i Isabelle – sistemi za formalno dokazivanje teorema – danas imaju AI asistente koji ubrzavaju verifikaciju na način koji je pre pet godina bio nezamisliv.
Google DeepMind je 2024. godine objavio da je AlphaGeometry rešio 25 od 30 problema sa Međunarodne matematičke olimpijade – na nivou zlatne medalje. AlphaProof je isti mesec pokazao sposobnost rešavanja problema koji su zahtevali dugotrajno simboličko rezonovanje. To nisu trivijalni uspesi.
Ali – i ovo je suštinski „ali“ – nijedno od tih dostignuća nije nastalo iz razumevanja. AI ne „zna“ zašto je nešto tačno. Ne oseća eleganciju dokaza. Ne pita se zašto je zadatak zanimljiv ni šta znači ako je tačan. Radi na osnovu uzoraka, formalnih pravila i ekstremno sofisticirane pretrage kroz prostor simbola.
Matematika nije samo pronalaženje tačnih odgovora. Matematika je postavljanje pravih pitanja.
Istorija koja se ponavlja: alati koji menjaju igru, ali ne zamenjuju igrače
Ovo nije prvi put da matematičari strahuju od tehnologije koja bi mogla da ih učini suvišnim – a svaki put se ispostavljalo da je alat samo promenio prirodu posla, ne ukinuo ga.
Kada su se pojavili džepni kalkulatori u 1970-im godinama, mnogi su se pitali: kome trebaju matematičari ako mašina može da rešava jednačine? Odgovor je bio: trebaju nam matematičari koji postavljaju jednačine koje vredi rešavati.
Kada su numeričke metode i kompjuterska simulacija postale dostupne u 1980-im i 1990-im godinama, otvorile su čitave nove discipline – numeričku matematiku, računarsku geometriju, teoriju haosa – koje bez kompjutera ne bi postojale.
Wolfram Alpha i simbolički matematički softver poput Mathematica-e promenili su način na koji studenti i istraživači rade sa složenim izrazima. Nisu eliminisali matematičare – stvorili su novu generaciju koja misli na višem nivou apstrakcije.
Svaki put, isti obrazac: alat preuzima operativni nivo, čovek se pomera na konceptualni nivo. AI 2026. godine nije izuzetak od tog obrasca – on je samo njegova najdramatičnija iteracija do sada.
Gde AI transformiše matematiku već danas
Ono što se dešava u istraživačkim laboratorijama nije naučna fantastika – već svakodnevna realnost koja se brzo širi.
Verifikacija dokaza je oblast gde je uticaj najneposredniji. Matematički dokazi postaju sve složeniji – Fermatova poslednja teorema imala je dokaz od 150 stranica koji je isprva sadržao grešku, a Thomas Hales-ov dokaz Kepler-ove hipoteze o pakovanju sfera bio je toliko dugačak da su ga recenzenti proveli četiri godine proveravajući. AI sistemi za formalnu verifikaciju sada mogu da provjere takve dokaze za sate, ne za godine.
Pronalaženje obrazaca u podacima je oblast gde AI nema premca. U teoriji brojeva, na primer, AI sistemi su identifikovali neočekivane korelacije između sekvenci koje su decenijama proučavali matematičari – i sugeriše nove pravce istraživanja koji nisu bili u vidokrugu.
Generisanje hipoteza je možda najuzbudljivija primena. DeepMind-ov FunSearch sistem je 2023. godine pronašao nova rešenja za probleme kombinatorne matematike koje matematičari nisu uspeli da reše decenijama. AI nije „dokazao“ ništa – ali jeste pokazao gde treba gledati.
Automatizacija rutinskih dokaza oslobađa matematičare da se fokusiraju na originalne ideje. Umesto da provode mesece proveravajući tehnička detalja koji slede iz poznatih rezultata, matematičari mogu da delegiraju te korake AI sistemu i da se fokusiraju na suštinski kreativni deo posla.
Matematika kao dijalog između čoveka i mašine
Najzanimljiviji razvoj nije ni „AI pobeduje matematičare“ ni „matematičari koriste AI kao kalkulator“. Najzanimljiviji razvoj je nešto treće: matematika kao aktivni dijalog između čoveka i mašine, gde svaka strana doprinosi ono što druga nema.
Terence Tao – Fields-ov medaljista i jedan od vodećih matematičara sveta – opisao je AI sisteme kao „izuzetno sposobne diplomce koji znaju sve što je ikad objavljeno, ali kojima je potrebno vođstvo.“ Tao ne vidi AI kao pretnju svojoj karijeri. Vidi ga kao mogućnost da radi na problemima koji su do sada bili nedostupni jednom čoveku zbog obima potrebnog tehničkog rada.
Peter Scholze, čiji je rad na „perfectoidnim prostorima“ promenio algebraičnu geometriju, aktivno koristi Lean za formalizaciju svojih dokaza – i kaže da mu taj proces pomaže da dublje razume sopstveni rad, jer formalizacija otkriva pretpostavke koje je inače uzimao zdravo za gotovo.
Ovo je nova paradigma: AI kao disciplina za matematičarevo sopstveno mišljenje, ne samo kao alat za ubrzavanje.
Koje matematičke veštine postaju vrednije, a koje manje
Ovo je pitanje koje se sve češće postavlja u odeljenjima matematike širom sveta – i odgovor je važan za svakog ko razmišlja o matematičkom obrazovanju.
Veštine koje AI ne može da zameni:
-
Postavljanje originalnih pitanja – odabir problema koji su važni i zanimljivi
-
Intuicija o tome koji pristup „miriše“ na rešenje
-
Razumevanje matematike kao dela šire intelektualne kulture
-
Kreativna upotreba analogija između različitih oblasti
-
Pedagoška sposobnost – objašnjavanje i prenošenje razumevanja
Veštine koje AI menja ili preuzima:
-
Rutinska verifikacija tehničkih koraka
-
Pretraživanje literature i identifikacija relevantnih rezultata
-
Numeričko eksperimentisanje i ilustracija
-
Generisanje primera i kontraPrimera
-
Simboličko manipulisanje izrazima
Matematičar budućnosti biće onaj ko zna šta da pita – i ko ume da sarađuje s AI sistemima koji znaju kako da traže odgovor.
Obrazovne posledice koje se tek počinju osećati
Transformacija matematičke prakse neizbežno vuče za sobom i transformaciju matematičkog obrazovanja – i tu leži možda najvažnija i najnedovoljno diskutovana posledica.
Ako AI može da reši većinu testova i domaćih zadataka koji se danas daju studentima, šta to znači za sistem ocenjivanja? Šta znači za razumevanje koje veštine zaista treba razviti?
Neke univerzitetske matematičke katedre već eksperimentišu sa novim pristupima: umesto standardnih zadataka koji imaju jedinstvene odgovore, studenti dobijaju otvorene probleme gde je cilj formulacija hipoteze, a ne samo dokaz. Umesto individualnog rada, traži se dokumentovan dijalog s AI sistemom koji pokazuje kako je student vodio istraživanje.
MIT, ETH Zurich i nekoliko nordijskih univerziteta testiraju kurikulume u kojima studenti uče da postavljaju dobre promte za matematičke AI sisteme, da kritički procenjuju njihove izlaze i da identifikuju greške koje AI pravi – a pravi ih, i to ponekad suptilno.
Ovo nije degradacija matematičkog obrazovanja. Ovo je njegova evolucija ka višem nivou apstrakcije – baš kao što je pojava kalkulatora pomerila fokus sa aritmetike na konceptualno razumevanje.
Šta to znači za matematičare kao profesiju
Globalni broj matematičara i statističara u industriji raste – ne pada. Potražnja za kvantitativnim talentima u finansijama, farmaceutici, AI istraživanju, klimatskom modelovanju i kriptografiji nikad nije bila veća.
Ono što se menja nije potražnja za matematičkim mišljenjem – menja se kontekst u kome se to mišljenje primenjuje. Matematičar koji razume kako AI sistemi rade, koji može da identifikuje granice njihovih sposobnosti i koji zna kada i kako ih koristiti – taj matematičar je u 2026. godini dragoceniji nego ikad.
Matematičar koji insistira na radu kao da AI ne postoji – koji odbija da prihvati nove alate jer menja dinamiku poznatog – taj matematičar rizikuje da postane marginalizovan ne zato što je AI bolji od njega, već zato što su kolege koji koriste AI produktivniji.
Razlika između ta dva matematičara nije u znanju. Ona je u stavu prema promeni.
Kraj jedne ere – ili njen preporod?
Kraj ere matematičara koji rade u izolaciji, s papirom i olovkom, rešavajući probleme koji su dostigli granice ljudske pažnje i pamćenja – taj kraj se zaista dešava.
Ali iza njega ne dolazi era u kojoj mašine rade matematiku dok mi gledamo. Dolazi era u kojoj čovek i mašina zajedno guraju granice onoga što je moguće razumeti – brže, dublje i dalje nego što bi ikad mogli svako za sebe.
Matematika nije u opasnosti od AI. Matematika je, možda po prvi put u modernoj istoriji, na pragu neke od najvećih otkrića do kojih nikad ne bismo mogli doći bez njega.
I za one koji vole matematiku zbog onoga što ona zaista jeste – ne skup tehnika, već način mišljenja o svetu – to nije razlog za strah. To je razlog za uzbuđenje.
