AI kommer ikke til at udradere matematikken – tværtimod vil den skabe en historisk guldalder

Et debatindlæg argumenterer for, at kunstig intelligens ikke ødelægger matematik, men derimod vil føre til en revolution med hidtil uset produktivitetsvækst inden for videnskaben.

Påstanden om, at kunstig intelligens har ødelagt matematikken, er ifølge debatindlægget fuldstændig misvisende. Tværtimod mener forfatteren, at verden står midt i en revolution, der vil føre til en historisk produktivitetseksplosion.

Indlægget reagerer på Berlingskes dækning af OpenAIs seneste arbejde, hvor AI-agenter på 88 timer løste Navier-Stokes-ligningen – et af matematikkens vigtigste uløste problemer i århundreder – og producerede løsninger svarende til 700 videnskabelige artikler, som blev frigivet som en samlet zipfil på GitHub.

Ifølge indlægget er det misvisende at fremstille denne udvikling som et tragisk tab af »fagets sjæl«. I stedet argumenteres der for, at vi er vidner til et paradigmeskifte, hvor AI-værktøjer vil frigøre forskere fra rutineopgaver og åbne for nye muligheder.

Debatten afspejler en fundamental splittelse i synet på kunstig intelligens’ rolle i videnskaben. Nogle forskere rapporterer om følelse af fortvivlelse over, at deres årelange arbejde kan blive overflødiggjort på kort tid. Andre ser derimod AI som en katalysator for accelereret videnskabelig fremskridt og nye opdagelser, der tidligere ville have været uopnåelige.

Navier-Stokes-ligningerne beskriver væskebevægelser og er centrale inden for fysik, ingeniørkunst og meteorologi. At løse dem analytisk er en af de store uløste problemer inden for matematik. OpenAIs arbejde med AI-agenter, der kan tackle sådanne komplekse problemstillinger, markedsfører sig selv som et vendepunkt for, hvordan videnskab bedrevet i fremtiden.

Indlægget understreger, at der er forskel på AI’s rolle som videnskabsværktøj og påstande om, at teknologien erstatter menneskelig indsigt. Snarere handler det om at omfavne de muligheder, som AI åbner for acceleration af løsning af klassiske problemer, samtidig med at nye spørgsmål og felter kan udforskes.