מתמטיקה בעידן הבינה המלאכותית
Tao, T. (2026, July 24). Mathematics in the age of AI [Public lecture]. International Congress of Mathematicians 2026, University of California, Los Angeles
עיקרי הדברים:
- פתרון בעיה הוא רק אחת ממטרות המתמטיקה. בניית תאוריה, יצירת מושגים, הכללה, הבנה והכשרת הדור הבא הן מטרות נפרדות שאינן נמדדות במספר התשובות הנכונות
- בינה מלאכותית עלולה להעביר את המתמטיקה ממצב של מחסור בהוכחות למצב של עודף בהוכחות. צוואר הבקבוק יהיה היכולת להבין, להסביר, לברור ולהטמיע את הידע
- אותו שינוי מתרחש בחינוך: תשובה נכונה כבר אינה ראיה טובה לכך שתלמיד הבין או אפילו חשב על הבעיה
- אין להסיק מכך שיש לוותר על תרגול בסיסי. דווקא כדי לבקר תשובות של מכונה, התלמיד זקוק לידע ולמיומנויות המצויים אצלו ולא רק זמינים מבחוץ
- האתגר החינוכי הוא לעבור בהדרגה ממשימות המבקשות בעיקר "לפתור" למשימות המבקשות להסביר, להשוות, להכליל, לבקר ולשאול שאלות חדשות
טרנס טאו, מהמתמטיקאים הבולטים בעולם, טוען כי הבינה המלאכותית אינה רק כלי חדש לפתרון בעיות. היא מאלצת אותנו לברר מחדש מהי בכלל התקדמות מתמטית. מן הדיון שלו עולה מסקנה חינוכית חשובה: ככל שהיכולת להפיק תשובות נעשית זולה וזמינה יותר, כך גדלה חשיבותם של הבנה, שיפוט, הכללה, ביקורת ותהליך החשיבה עצמו.
לקריאה נוספת: כל סיכומי המאמרים בנושא בינה מלאכותית
לא כל עשייה מתמטית היא פתרון בעיות
בהרצאתו, שנישאה בקונגרס הבינלאומי למתמטיקאים בשנת 2026, טאו מבקש מן הקהילה המתמטית להניח, לצורך הדיון, שמערכות בינה מלאכותית אכן יהיו מסוגלות בעתיד הקרוב לבצע חלק משמעותי ממשימות המחקר המתמטי. במקום להתווכח עד כמה ההנחה הזאת כבר התממשה, הוא שואל שאלה אחרת: מהן בעצם המטרות והערכים של הפעילות המתמטית?
הרשימה שלו רחבה: פתרון בעיות פתוחות (כלומר כאלה שעדיין לא נפתרו), פיתוח תאוריות וטכניקות חדשות, הבנת העולם, בניית קהילה מקצועית, הכשרת הדור הבא, הרחבת הידע המתמטי המשותף ויצירת עבודות בעלות ערך אינטלקטואלי ואסתטי. בעבר מטרות אלה נטו להתקדם יחד. הצלחה בפתרון בעיה חשובה תרמה בדרך כלל גם לתאוריה, לידע המשותף ולהכשרת מתמטיקאים אחרים. אלא שאופטימיזציה באמצעות בינה מלאכותית עלולה להפריד ביניהן.
ההבחנה החשובה ביותר לצורכי חינוך היא בין פתרון בעיה לבין בניית תאוריה. פתרון בעיה משיב על שאלה נתונה; בניית תאוריה מזהה מה משותף לבעיות שונות, ממציאה מושגים ושפה חדשים, מכלילה תוצאות ומאפשרת לראות תופעות רבות כחלק ממבנה אחד. טאו עצמו מדגיש כי בניית תאוריה היא ממד חשוב ונפרד מפתרון בעיות, וכי גם היא דורשת ניתוח משלה בעידן הבינה המלאכותית.
במונחים בית־ספריים, יש הבדל בין תלמיד הפותר עשר משוואות לבין תלמיד שמבחין מה משותף להן, מגלה כיצד שינוי בפרמטר משפיע על הפתרון ומנסח כלל שאפשר להחיל על משפחה שלמה של מקרים. הראשון מפעיל או מיישם ידע קיים; השני מתחיל להשתתף בבנייתו.
כאשר הוכחות נעשות זולות
טאו מתאר תהליך שבו עצם הפקת ההוכחה היא רק השלב הראשון. פתרון צריך להיבדק, להיות מוסבר באופן שאחרים יכולים להבין, להתקבל על ידי הקהילה, להשתלב בעבודתם של חוקרים אחרים ולבסוף להפוך לחלק מן הידע הקאנוני של התחום: זה שנכנס לספרי הלימוד ומועבר לדור הבא.
מכאן נובעת האפשרות של מה שהוא מכנה "אי־עיכול של הוכחות" (indigestion of proof): מערכות בינה מלאכותית עשויות לייצר תוצאות בקצב מהיר יותר מכפי שבני אדם מסוגלים לבדוק, לקרוא, להבין ולשלב אותן בתאוריה. טאו צופה מעבר אפשרי מ"עידן של מחסור בהוכחות" ל"עידן של שפע בהוכחות".
זהו שינוי חשוב גם להבנת החינוך. תלמידים חיים כבר עכשיו, מאז שמחשבון הכיס נעשה זמין, בעולם של שפע בתשובות. תרגיל שבעבר חייב אותם לעבוד עשר דקות יכול לקבל פתרון מלא, מנומק ומנוסח היטב בתוך שניות. מבחינה זו, בית הספר נתקל באותה בעיה שטאו מזהה במחקר: הפקת התוצר נעשית קלה הרבה יותר מן העיכול שלו.
תשובה נכונה כבר אינה מעידה בהכרח על למידה
עד לאחרונה היה קשר סביר בין תוצר לבין תהליך. כאשר תלמיד הגיש פתרון נכון למשוואה, היה אפשר להניח במידה מסוימת שהוא ביצע את הפעולות הנדרשות כדי להגיע אליו.
הבינה המלאכותית מפרקת את הקשר הזה.
תלמיד יכול כיום להגיש פתרון מושלם בלי להבין מדוע נבחרה השיטה, בלי לדעת לזהות אם התוצאה סבירה ובלי להיות מסוגל לפתור מקרה דומה מעט. לכן הבעיה החינוכית איננה רק "כיצד נמנע העתקה". השאלה החשובה יותר היא: איזו פעילות מחשבתית הייתה אמורה להתרחש בדרך אל התשובה, והאם היא אכן התרחשה?
התרגיל המתמטי אינו חשוב רק משום שהוא מייצר מספר נכון בסופו. במהלך הפתרון התלמיד אמור לזהות מבנה, לבחור אסטרטגיה, להיתקל בקושי, לנסות דרך, לגלות שטעה, לתקן ולהבין מדוע דרך אחת עדיפה על אחרת.
אם הבינה המלאכותית מבצעת עבורו בדיוק את השלבים הללו, היא עלולה לחסוך ממנו לא עבודה מיותרת אלא את הלמידה עצמה.
הערך החינוכי של החיכוך
טאו מצביע בהרצאתו על תופעה מעניינת בתוצרים של הבינה מלאכותית. טקסט שנערך יתר על המידה עלול להציג את החלקים הקלים והקשים בהוכחה באותה חלקות. בהוכחה אנושית, לעומת זאת, המקומות שבהם הכותב התקשה משאירים לעיתים "חיכוך טבעי" שמאותת לקורא לעצור ולהתעמק. במובן זה, אפילו פגמים מסוימים בהסבר האנושי יכולים לתרום להבנה.
הדבר נכון עוד יותר ללמידה.
מנקודת מבט של יעילות, טעות של תלמיד היא בזבוז זמן. מנקודת מבט של למידה, הטעות יכולה להיות האירוע החשוב ביותר בשיעור. תלמיד שניסה דרך מסוימת, גילה שהיא אינה עובדת והבין מדוע, רכש ידע שאינו שקול לקריאת פתרון אלגנטי.
בעידן שבו אפשר לקבל מיד את הדרך הקצרה ביותר, בית הספר עשוי להזדקק דווקא להגנה מכוונת על קושי פרודוקטיבי: זמן שבו התלמיד עדיין אינו יודע, מנסה, משער ומתקן.
ממטלות של "פתור" למטלות של "חשוב על הפתרון"
אין פירוש הדבר שאין עוד צורך ללמד לפתור משוואות, לחשב אחוזים או לבצע מניפולציות אלגבריות. בלי מיומנויות כאלה, קשה לפתח אינטואיציה מתמטית וקשה עוד יותר להעריך פתרון שמספקת מכונה.
אולם לצד התרגול הבסיסי ניתן לתת משקל גדול יותר למשימות כגון:
- מה משותף לשלושת התרגילים האלה?
- באילו תנאים השיטה הזאת תיכשל?
- מה ישתנה אם נשנה הנחה אחת?
- איזו משתי דרכי הפתרון כללית יותר?
- מצא דוגמה נגדית לטענה.
- איזה נתון בבעיה אינו דרוש?
- נסח השערה כללית על סמך המקרים שבדקת.
- הנה פתרון שנתנה בינה מלאכותית: היכן נמצא הרעיון המרכזי, והאם הוא תקף?
במטלות כאלה התלמיד אינו נבחן רק על יכולתו להגיע לקצה המסלול, אלא על הבנת המפה.
לא לאסור בינה מלאכותית – אלא להחליט מתי היא נכנסת
לקראת סוף הרצאתו טאו מתייחס במפורש לחינוך ולהכשרה. לדבריו, בתחומים אלה יהיה חיוני להדגיש את הממד האנושי של הפעילות ואף להגביל באופן הדוק את השימוש בכלי בינה מלאכותית. במקביל הוא מדגיש שבתחומים אחרים יהיה צורך לאמץ את הכלים ולפתח נורמות עבודה חדשות לשימוש בהם.
מכאן אפשר לגזור מודל חינוכי מדורג.
בשלב הראשון התלמיד בונה יכולת ללא תחליף חיצוני: ידע בסיסי, מושגים, מיומנויות חישוב, תחושת מספר, יכולת לנמק ואסטרטגיות לפתרון בעיות.
בשלב השני הבינה המלאכותית יכולה לשמש שותף ללמידה: לא "פתור לי", אלא "מצא את הטעות הראשונה שלי ואל תגלה עדיין את הפתרון"; לא "כתוב הוכחה", אלא "הצג שתי דרכים ואני אשווה ביניהן"; לא "ענה על השאלה", אלא "נסה למצוא דוגמה נגדית להשערה שלי".
בשלב השלישי התלמיד צריך ללמוד גם את המיומנות המקצועית החדשה: כיצד להעביר למערכת משימות שהיא מבצעת היטב, כיצד לבדוק אותה, מתי לא לסמוך עליה וכיצד לשלב את התוצאה שלה בתוך עבודה אנושית רחבה יותר.
ההבדל בין השלבים חיוני. מומחה רשאי להעביר למכונה פעולה שגרתית משום שהידע כבר נמצא אצלו. אצל מתחיל, אותה פעולה עשויה להיות בדיוק האימון שבאמצעותו הידע אמור להיבנות.
גם ההערכה חייבת להשתנות
אם תלמיד יכול לייצר בבית פתרון מושלם שאינו שלו, אין עוד טעם רב להעמיד פנים שהתוצר לבדו משקף את יכולתו.
הערכה יכולה לתת משקל רב יותר לשאלות כמו:
- מדוע בחרת בדרך הזאת?
- איזה שלב היה הקשה ביותר?
- מה יקרה אם אשנה את הנתון הזה?
- האם הפתרון המוצע נכון? הסבר.
- האם אפשר לפתור בדרך אחרת?
- איזה עיקרון כללי אפשר ללמוד מן הבעיה?
אין אלה "שאלות חסינות בינה מלאכותית". ככל הנראה כמעט שום שאלה כתובה לא תהיה חסינה לאורך זמן. מטרתן אחרת: להתאים טוב יותר בין מה שנמדד לבין מה שמערכת החינוך באמת מבקשת לפתח.
ומה חייב להיות בתוך הראש?
הבינה המלאכותית מחזירה את החינוך לשאלה בסיסית שבמשך שנים אפשר היה להתחמק ממנה: מהי מטרתה של ידיעה?
אם מטרת לימוד המתמטיקה היא רק להפיק תשובות, חלק גדול מן הלימוד אכן נעשה מיותר ברגע שמכונה מפיקה אותן טוב יותר.
אבל אם מטרתו היא לבנות אצל האדם מערכת מושגים שמאפשרת לו להבין, לשאול, לזהות מבנה, להבחין בין סביר למופרך, לבחור בין חלופות וליצור רעיונות חדשים – זמינותה של הבינה המלאכותית אינה מבטלת את הצורך בלמידה. היא דווקא מחייבת אותנו להגדיר אותו באופן מדויק יותר.
ייתכן אפוא שהשאלה המרכזית של החינוך בעידן הבינה המלאכותית אינה עוד:
"מה צריך התלמיד לדעת כאשר כל הידע נמצא במרחק הקלדה?"
אלא:
"מה חייב להיות בתוך הראש שלו כדי שיוכל לחשוב, להבין ולשפוט את מה שנמצא במרחק הקלדה?"
הערת המערכת: טאו עצמו מקדיש בהרצאה רק חלק קצר להשלכות הישירות על חינוך והכשרה. הדיון החינוכי המורחב לעיל הוא פיתוח של העקרונות שהוא מציג לגבי מטרות המתמטיקה, בניית תאוריה, "עיכול" ידע, החיכוך שבהבנה והצורך להגן על הממד האנושי של הלמידה.