En ny analyse fra forsker Davide Piffer udfordrer den udbredte fortælling om, at AI-systemer er ved at overgå matematikere i ræsonnement. Ifølge artiklen er AI's tilsyneladende matematiske gennembrud i højere grad et resultat af systemets evne til at huske og genkalde mønstre fra enorme mængder data – ikke en egentlig forståelse eller tænkning.
Pointen er ikke triviel. For beslutningstagere, der overvejer at investere i AI-drevet forskning eller uddannelse, betyder det, at AI's styrke ligger i at genkende og reproducere eksisterende viden, ikke i at opdage nye matematiske sandheder. Systemet kan imponere med løsninger, der ligner dem, en dygtig matematiker ville producere – men det er en form for avanceret mønstergenkendelse, ikke en intellektuel proces.
Konsekvensen er dobbelt. For det første bør virksomheder og institutioner, der bruger AI til forskning eller kompleks problemløsning, være varsomme med at forveksle output med originalitet. For det andet peger analysen på, at AI's værdi i matematiske sammenhænge er størst som et værktøj til at navigere i eksisterende litteratur og hurtigt finde relevante resultater – ikke som en erstatning for menneskelig kreativitet.
Piffer understreger, at matematikere stadig har en central rolle i at stille de rigtige spørgsmål og udvikle nye teorier. AI kan hjælpe med at huske og forbinde, men den tænkende del – at formulere hypoteser og se ud over det kendte – forbliver menneskelig.
