A tudomány kicsit olyan, mint egy kirándulás. Hallottad, hogy van valahol egy érdekes, gyönyörű vízesés. Ezért úgy döntesz, néhány barátoddal elmész túrázni, hogy megkeresd, de ehhez készítened kell egy térképet. Néha eltévedtek, de talán eközben is felfedeztek valami mást, ami érdekesnek tűnik, és feljegyzitek. Úton a vízesés felé, a távolban megláttok egy még látványosabb vízesést. Oda még nem tudtok eljutni, de talán egy jövőbeli túrázó kitalál majd egy utat ahhoz is. Van tehát egy folyamat, amíg eljutsz a célodhoz, ami önmagában is nagyon értékes. De ezek az AI-eszközök olyanok, mint a helikopterek, amelyek közvetlenül elrepítenek a vízeséshez, megnézheted, majd visszarepülsz. Semmit sem tanulsz arról, hogyan lehet oda eljutni. Lehet, hogy nem veszel észre más érdekes jelenségeket sem, csak azt a konkrét dolgot, amit kiválasztottál.
Így foglalta össze a Big Think YouTube-csatornának adott interjújában Terence Tao, mi a matematikusok problémája a mesterséges intelligencia legújabb felfedezéseivel, eszközeivel. Véleménye sokat nyom a latba: a Kaliforniai Egyetem (UCLA) professzora a matematika legrangosabb elismerésének számító Fields-érem 2006-os kitüntetettje.
https://www.youtube.com/watch?v=svl_1upFpQo
A tudós szerint rövid távon úgy tűnhet, hogy a mesterséges intelligencia matematikai alkalmazása pozitív, mivel kevesebb hibát vét és gyorsabban talál megoldásokat. Ez a fajta előrehaladás azonban meggátolhatja, hogy olyan új matematikusok szülessenek, akik nemcsak a „nyers” eredményt szállítják, hanem azt is el tudják magyarázzák, mitől igazán értékes az – figyelmeztet Tao.
