Czy matematyka pozostanie dziełem człowieka?

Matematyka w czasach sztucznej inteligencji każe ponownie zapytać, czego właściwie uczymy się, rozwiązując zadania i dowodząc twierdzeń. Ursula Martin na łamach „Nature” broni znaczenia ludzkiej odpowiedzialności za rozumowanie, a Steven Strogatz i Alex Townsend pokazują, jak matematyczne idee stały się niewidoczną infrastrukturą współczesności. W obu perspektywach powraca pytanie obecne od lat w tekstach „Wszystko co Najważniejsze” w naszej sekcji „Piękno edukacji”: co znaczy naprawdę coś zrozumieć?
.Uczeń może otrzymać rozwiązanie zadania, zanim zdąży zastanowić się nad jego treścią, a badacz dostać propozycję argumentu, którego sam jeszcze nie rozważał. Łatwo wówczas uznać, że najważniejszą miarą postępu jest liczba odpowiedzi uzyskanych w jednostce czasu. Matematyka stawia jednak również wymaganie uzasadnienia: trzeba wiedzieć, z jakich założeń wynika wniosek, w jakich warunkach obowiązuje i czy przedstawiony argument wytrzymuje sprawdzenie. Właśnie wokół tych wymagań toczy się spór o miejsce człowieka w coraz bardziej zautomatyzowanej nauce.
Matematyka w czasach sztucznej inteligencji
W komentarzu opublikowanym 6 listopada 2026 r. w „Nature” Ursula Martin opisuje niepokój towarzyszący ogłoszeniu przez OpenAI ponad siedmiuset matematycznych manuskryptów wygenerowanych przy użyciu AI. Podkreśla, że zawarte w nich argumenty wymagają weryfikacji, a część tekstów jest przygotowana w sposób utrudniający ocenę. Zwraca uwagę również na brak wskazanego ludzkiego autora, który odpowiadałby za wyjaśnienie rozumowania i poprawienie błędów. Liczby udostępnionych prac nie można więc utożsamiać z liczbą zaakceptowanych odkryć.
Martin, współautorka deklaracji z Lejdy, postuluje ujawnianie wykorzystania AI, właściwe przypisywanie autorstwa i niezależną sprawdzalność argumentów. Dopuszcza rozwój matematyki wspomaganej maszynowo, ale domaga się udziału środowiska naukowego w ustalaniu zasad publikowania i oceny wyników. To stanowisko w sprawie organizacji nauki i jej wartości, a nie dowód ograniczeń przyszłych maszyn.
Instytut Matematyczny Uniwersytetu Oksfordzkiego, przedstawiając deklarację z Lejdy, wymienia wśród podnoszonych problemów wiarygodność wyników, prawa autorów, zależność od zamkniętych technologii i autonomię wyboru tematów badawczych. Sama deklaracja przypomina, że matematyka wytwarza również rozumienie, zdolność oceny oraz nowe pytania. Spór dotyczy zatem całego środowiska, w którym powstaje wiedza: sposobu jej udostępniania, kontroli i przekazywania następcom.
Warto przy tym odróżniać tekst wygenerowany w języku naturalnym od dowodu zapisanego formalnie i sprawdzanego przez odpowiednie oprogramowanie. Dokumentacja systemu Lean pokazuje, jak twierdzenia i dowody można przedstawić w języku pozwalającym kontrolować ich logiczną poprawność względem przyjętych definicji i założeń. Taka kontrola ma inne podstawy niż przekonujące brzmienie odpowiedzi chatbota. Nadal pozostają jednak pytania o właściwe sformułowanie problemu, znaczenie uzyskanego twierdzenia i jego związek z resztą wiedzy.
Matematyka ukryta w codzienności
Historyczną perspektywę tej przemiany przynosi książka Stevena Strogatza i Alexa Townsenda „Big Math. The Hidden Codes That Run Our World”, której recenzję Anila Ananthaswamy’ego „Nature” opublikowało 9 listopada. Autorzy pokazują matematykę obecną w wyszukiwaniu informacji, przetwarzaniu obrazów, rekomendowaniu treści czy organizacji transportu. W oficjalnej prezentacji książki wskazują na macierze, wektory, sieci i optymalizację jako narzędzia pozwalające mierzyć się z problemami przekraczającymi możliwości ręcznego rachunku. Znane idee zyskują nową siłę dzięki skali obliczeń.
We fragmencie książki udostępnionym 6 listopada przez „Science Friday” Strogatz i Townsend opisują przejście do zagadnień obejmujących ogromne zbiory danych i wielkie układy zależności. Ich opowieść prowadzi od starszych metod rozwiązywania problemów do matematycznej infrastruktury dzisiejszych technologii. Podnoszą zarazem kwestię rozumienia narzędzi, których możliwości rosną szybciej niż powszechna wiedza o ich działaniu. To perspektywa autorów książki, uzupełniająca instytucjonalne pytania stawiane przez Martin.
Na łamach „Wszystko co Najważniejsze” podobny problem obecności matematyki w codzienności podejmowali Hugo Duminil-Copin i Emmanuel Sander w rozmowie o rozwijaniu krytycznego myślenia. Zwracali uwagę, że wiele opanowanych umiejętności staje się dla nas niemal niewidocznych, chociaż nieustannie z nich korzystamy. Sander podkreślał znaczenie intuicji i rozpoznawania sytuacji, w której dana metoda jest przydatna. Sama znajomość procedury pozostaje niewystarczająca, jeśli nie wiadomo, kiedy i po co ją zastosować.
W świecie algorytmów ta umiejętność dotyczy również odbiorcy gotowego wyniku. Żeby ocenić informację o wzroście cen, trzeba rozumieć podstawę porównania, a żeby odczytać badanie opinii, warto odróżniać odsetek respondentów od liczby wszystkich obywateli. Nawet poprawnie wykonane obliczenie może odpowiadać na inne pytanie niż to, które nas interesuje. Matematyczne przygotowanie pomaga dostrzegać taką różnicę, zanim liczba zostanie potraktowana jako rozstrzygający argument.
Dlaczego gotowe rozwiązanie nie zastępuje nauki?
Małgorzata Wanke-Jakubowska w tekście „Jeśli nie umiesz matematyki, nie znaczy że jesteś humanistą” krytykowała nauczanie podporządkowane wzorom i schematom kosztem logicznego myślenia. Przekonywała, że istotą matematycznej sprawności jest precyzja wypowiedzi oraz umiejętność wyprowadzania wniosków. Opisywała też znaczenie zaufania i stopniowego odbudowywania pewności siebie u ucznia, który wcześniej uwierzył, że tego przedmiotu nie potrafi się nauczyć. Powrót do tego argumentu pozwala spojrzeć na szkolne zastosowania AI z perspektywy celu kształcenia.
Maria Wanke-Jerie rozwinęła ten wątek w „Dekalogu nauczania matematyki”, rozróżniając rozumienie, zapamiętywanie i ćwiczenie sprawności. Każdy z tych elementów ma własne zadanie, a uczniowie potrzebują różnej ilości czasu, by je opanować. Autorka przywołała przykład dziecka rozumiejącego, że zwiększenie dodatniej liczby o dziesięć procent, a następnie zmniejszenie otrzymanej wartości o dziesięć procent nie przywraca wartości początkowej. Drugie działanie odnosi się bowiem do większej podstawy.
Dla kwoty stu złotych wynik kolejnych operacji to sto dziesięć i dziewięćdziesiąt dziewięć złotych, ale edukacyjna wartość zadania obejmuje wyjaśnienie tej różnicy. Uczeń, który potrafi je sformułować, może następnie odnieść rozumowanie do innej kwoty lub innego procentu. Gotowa odpowiedź udostępniona na ekranie nie pokazuje jeszcze, czy sam to zrobi. Nauczyciel potrzebuje wglądu w sposób myślenia ucznia, aby rozpoznać, czego ten już się nauczył, a gdzie nadal wymaga pomocy.
.Barbara Oakley w publikowanym przez „Wszystko co Najważniejsze” fragmencie „Głowy do liczb” opisywała iluzję kompetencji: przyglądanie się rozwiązaniu łatwo pomylić z umiejętnością samodzielnego jego uzyskania. Wskazywała na znaczenie odtwarzania wiedzy z pamięci i własnej pracy nad zadaniem. W zastosowaniu do dzisiejszych narzędzi pojawia się więc bardzo konkretne pytanie: co uczeń potrafi wyjaśnić po zamknięciu okna z odpowiedzią? Jest to praktyczne rozwinięcie opisanego przez Oakley problemu, niezależne od tego, czy podpowiedź pochodzi z podręcznika, wyszukiwarki czy systemu AI.
Na podobne ryzyko zwraca prof. Michał Kleiber w tekście „AI w edukacji – zagrożenia i korzyści”. Ostrzega przed zastępowaniem wysiłku poznawczego stałym korzystaniem z gotowych odpowiedzi, a jednocześnie wskazuje możliwości indywidualizowania nauki i odciążania nauczycieli z części powtarzalnych zadań. W jego ujęciu wdrożenie technologii wymaga przemyślenia całego procesu kształcenia. Ocenie powinno podlegać również to, czy narzędzie pomaga rozwijać samodzielność ucznia i wzmacnia pracę nauczyciela.
Kto wybiera pytania, które warto zadać?
Szkolne zadanie i praca badawcza mają różne cele, ale w obu przypadkach ważna pozostaje możliwość prześledzenia rozumowania. W klasie pozwala ona sprawdzić postęp konkretnego ucznia, w nauce umożliwia innym badaczom ocenę wyniku i dalszą pracę. Łatwość wytwarzania propozycji rozwiązań zwiększa znaczenie dobrze określonych zasad ich sprawdzania. Potrzebne staje się także rozróżnianie argumentu poprawnego od argumentu, który wnosi istotną wiedzę.
Można zobaczyć, że jeden, jeden plus trzy oraz jeden plus trzy plus pięć dają kolejne kwadraty liczb naturalnych. Sprawdzenie następnych przykładów wzmacnia przypuszczenie, ale ogólne uzasadnienie wymaga pokazania, dlaczego dodanie kolejnej liczby nieparzystej zawsze prowadzi do następnego kwadratu. Geometryczny obraz kolejnych warstw punktów może przy tym uczynić zależność zrozumiałą. Rachunek, uzasadnienie i wyjaśnienie pełnią tutaj powiązane funkcje, a nauka matematyki pozwala je rozpoznawać.
Na łamach „Wszystko co Najważniejsze” dr Bartosz Naskręcki pytał już o przyszłość młodych matematyków w warunkach zmieniających się reguł pracy badawczej. Wskazywał na ryzyko zniechęcenia studentów i doktorantów, a także na konsekwencje ewentualnego osłabienia kształcenia następnych pokoleń ekspertów. Ten głos przypomina, że zachowanie ludzkiego udziału w matematyce ma również wymiar instytucjonalny: wymaga przygotowania ludzi, którzy będą umieli oceniać wiedzę i rozwijać ją dalej.
Zestawienie głosów Martin, autorów „Big Math” i wcześniejszych publikacji „Wszystko co Najważniejsze” prowadzi do pytania o zachowanie ludzkiego udziału w tworzeniu i ocenie wiedzy. Maszyny mogą rozszerzać zakres podejmowanych problemów, podczas gdy szkoła i uczelnia odpowiadają za przygotowanie ludzi zdolnych świadomie z tych możliwości korzystać. Tego przygotowania nie da się zmierzyć wyłącznie szybkością uzyskania odpowiedzi. Obejmuje ono również umiejętność wskazania założeń, rozpoznania błędu i wyjaśnienia, dlaczego rozwiązanie ma znaczenie.
Pytanie, czy matematyka pozostanie dziełem człowieka, nie ma dziś rozstrzygnięcia obejmującego wszystkie przyszłe możliwości technologii. Martin proponuje jednak zasady pozwalające ludziom zachować odpowiedzialność i wpływ na kierunek badań, a teksty o nauczaniu przypominają, jak rozwija się zdolność do takiego udziału. Rozumienie wymaga pracy, którą każdy uczeń i każdy badacz musi w pewnym zakresie wykonać sam. Od zachowania miejsca dla tej pracy zależy, czy rosnąca moc narzędzi będzie poszerzać również nasze możliwości myślenia.
Andrzej F. Litwiński






