Самое лучше эссе о математике и ИИ, что я видел (длинное, правда). Часть тезисов:

1. Математика (зря!) оценивается через “экономику теорем”.
Профессиональная система слишком долго считала главным продуктом математики доказанные теоремы, тогда как реальная ценность часто находится в определениях, языке, объяснении и понимании.

2. Формально проверенное доказательство не обязательно становится частью математики.
Даже если ИИ выдаёт корректный Lean-доказательный объект, это ещё не означает, что результат стал полезным для математического корпуса. Нужны хорошие определения, переиспользуемость, связь с существующими теориями. Иначе возникает слой “правильных, но непонятных” доказательств.

3. ИИ может быстро извлекать скрытую ценность из уже существующей литературы.
Бессис вводит идею “overhang”: в математическом корпусе уже накоплено много неиспользованных связей между задачами, понятиями и областями. Люди видят только малую часть литературы, а LLM потенциально могут находить такие связи систематически. Это может дать реальные открытия, но также может разрушить прежнюю систему признания (люди долго строят контекст, а ИИ забирает последний шаг).