Patrick Farrell: Matematika se nám vlivem AI mění před očima

Patrick Farrell: Matematika se nám vlivem AI mění před očima

Matematika / rozhovor

„Část z toho, co děláme, se v budoucnu zautomatizuje a výrazně zrychlí, například dokazování nebo ověřování vět. Fungování matematické komunity se bude muset rychle přizpůsobit situaci, kdy místo dřívějšího nedostatku důkazů nastane období jejich nadbytku,“ říká Patrick Farrell, profesor matematiky na Oxfordské univerzitě a držitel Donatio Universitatis Carolinæ Chair na Univerzitě Karlově.

Patrick Farrell během listopadové návštěvy Univerzity Karlovy (foto: Tomáš Rubín)
Patrick Farrell během listopadové návštěvy Univerzity Karlovy (foto: Tomáš Rubín)

Patrick Farrell vyvíjí výpočetní metody, které umožňují simulovat složité fyzikální jevy v přírodě a řešit širokou škálu inženýrských problémů. Jeho výzkum nachází uplatnění v celé řadě oblastí: od obnovitelných zdrojů energie přes modelování srdeční činnosti a pohybu ledovců až po kvantovou mechaniku. Uznávaný odborník na numerické řešení parciálních diferenciálních rovnic z britského Oxfordu již několik let spolupracuje s českými vědci. Od loňského roku působí na Univerzitě Karlově v rámci prestižní výzkumné podpory Donatio Universitatis Carolinæ Chair.

Co vás přivedlo ke spolupráci s matematiky z Univerzity Karlovy?

Byl to profesor Josef Málek, který v akademickém roce 2018/2019 vedl na Oxfordu postgraduální kurz, jehož jsem se účastnil. Začali jsme spolu diskutovat o naší práci a on mě pozval, abych přijel za jeho skupinou do Prahy. Naše odborná setkání pro mě byla natolik podnětná, že jsem se v následujících letech do Prahy ještě několikrát vrátil.

Co pro vás znamená získání Donatio Universitatis Carolinæ Chair, díky kterému už druhým rokem působíte na české univerzitě?

Je to pro mě velká pocta. Získání Donatia mi umožnilo rozšířit a prohloubit výzkumné vazby s živou matematickou komunitou v Praze a během návštěv se naplno věnovat výzkumu. Jsem velmi vděčný Univerzitě Karlově, že mi tuhle příležitost dala, a prof. Málkovi za to, jak vřele mě přijal.

Matematika vás prý začala fascinovat v 15 letech. Vzpomenete si, co vás tehdy zaujalo konkrétně?

Můj zájem se naplno rozvinul poté, co jsem si přečetl několik populárně naučných knih o matematice – Velkou Fermatovu větu a Knihu kódů a šifer od Simona Singha a Matematickou zkušenost od Philipa Davise a Reubena Hershe. Obecně mě zaujala představa, že pomocí matematiky můžeme popsat, jak vesmír funguje; že existuje přesný systém myšlení, který se vzpírá intuici a dokáže odkrývat pravdy, které vždycky platily, ale nikdo o nich předtím nevěděl.

Jak se změnil váš pohled na matematiku během vysokoškolských studií?

Stejně jako většina studentů, kteří nastupují na vysokou školu, jsem ani já pořádně netušil, co rigorózní matematika obnáší. To člověk pozná, až když se jí začne věnovat. Zamiloval jsem si přesnost, rigoróznost a krásu matematických vět, se kterými jsme se jako studenti setkávali, třeba zobecněnou Stokesovu větu nebo teorém Noetherové.

Proč jste si za svůj obor vybral zrovna numerickou matematiku?

Mé bakalářské studium bylo zaměřené na algebru, protože ta byla hlavním oborem naší katedry. Během letních prázdnin jsem pracoval jako systémový administrátor irského národního superpočítače, kde jsem se poprvé setkal s myšlenkou simulování fyzikálních procesů pomocí řešení parciálních diferenciálních rovnic. Velmi mě zaujala představa, že díky matematickému porozumění a chytrým výpočtům se dá přesně předpovědět, jak se určitý fyzikální systém zachová.

Řada matematiků pracuje hlavně s abstraktními teoriemi, zatímco praktické využití jejich poznatků je pro ně vedlejší. Jak to vnímáte vy? Je pro vás důležité, aby váš výzkum měl dopad taky v reálném světě?

Pro mě je důležité oboje. Existuje nekonečné množství matematických otázek, na kterých by se dalo pracovat. Já si témata vybírám i podle toho, jestli by moje poznatky mohly sloužit také dalším vědcům nebo inženýrům. Mám velkou radost, když se nám podaří pochopit nějaký fyzikální problém tak, jak to do té doby nebylo možné.

Na jakém problému právě pracujete nebo se na něj chystáte?

Uvedu dvě témata, kterým se momentálně věnuji. To první je vývoj numerických aproximací, které zachovávají zákony zachování a disipační nerovnosti během vývoje systému. Ve většině fyzikálních systémů se některé veličiny zachovávají, například energie, zatímco jiné mohou pouze růst nebo klesat, například entropie. Standardní aproximační schémata tyto vlastnosti v diskrétním systému nezachovávají, takže se chování diskrétního modelu může od chování skutečného systému docela lišit. S Borisem Andrewsem jsme našli krásný nový způsob konstrukce aproximačních schémat, která diskrétní verze těchto zákonů zachovávají, a simulace je proto fyzikálně věrnější. Zdá se, že tato metoda je velmi účinná a užitečná a zároveň otevírá celou řadu matematických otázek, které bychom chtěli dále studovat.

Druhým tématem je simulace směsí tekutin, v nichž současně existují různé chemické složky nebo fáze. Téměř všechny průmyslové a biologické procesy nějakým zásadním způsobem využívají směsi: elektrolyt v baterii, palivo v motoru i vzduch, který dýcháme... Řada matematických otázek v této souvislosti je stále nevyřešena, například zda jsou používané modely korektní nebo jak dokázat konvergenci numerických schémat.

AI nástroje jsou neuvěřitelně mocné a jsou tady, takže ať se nám to líbí nebo ne, nemůžeme je ignorovat, pokud chceme udržet krok s vývojem.

Lidé mají obavu, že je v práci brzy nahradí umělá inteligence. Myslíte si, že by jednou mohla nahradit i matematiky?

Letos v létě o tom velmi zasvěceně mluvil Terence Tao (jeden z nejvýraznějších matematiků současnosti a držitel Fieldsovy medaile, nejvyššího matematického ocenění; pozn. red.) během své přednášky na Mezinárodním kongresu matematiků. Část z toho, co děláme, se v budoucnu zautomatizuje a výrazně zrychlí, například dokazování nebo ověřování vět. Jiné činnosti nám zůstanou i nadále, třeba analýza důkazů a jejich převádění do kanonického tvaru nebo rozhodování o tom, které myšlenky a problémy jsou důležité, nebo co by se měly učit nastupující generace.

Je ale zřejmé, že fungování matematické komunity se bude muset rychle přizpůsobit situaci, kdy místo dřívějšího nedostatku důkazů nastane období jejich nadbytku. Jde například o pravidla pro udělování cen a uznání nebo způsoby přijímání matematiků na pracovní místa a rozhodování o jejich kariérním postupu. Velká část z toho se asi výrazně promění. Matematika se nám mění před očima, a to neskutečně rychle.

Pro rozvoj našeho oboru jsou AI nástroje velmi užitečné. Zároveň ale potřebujeme zjistit, jak mohou být užitečné pro matematickou komunitu jako takovou, a to zatím není vůbec jasné. Jedna z mých hlavních obav je ta, že lidé mimo profesionální matematický svět – veřejnost se zájmem o matematiku, akademici z jiných oblastí nebo poskytovatelé grantů – teď získávají dojem, že matematika je vyřešená a že skuteční matematici už nejsou potřeba. Ani jedno z toho není pravda. Kdybychom neměli matematiky, nebyl by tu nikdo, kdo by dokázal porozumět těm neuvěřitelným výsledkům, které AI produkuje, třeba nedávnému oznámení společnosti OpenAI o vyřešení Navier-Stokesových rovnic, jednoho z matematických problémů tisíciletí.

Co se vám honilo hlavou, když jste se dozvěděl, že se umělé inteligenci podařilo vyřešit jeden ze sedmi nejdůležitějších matematických problémů současnosti? Byl jste nadšený, anebo spíš skeptický?

Byl – a pořád ještě jsem – nadšený, ohromený, a taky zaskočený. Vyřešení důležitého problému vždycky vnímám jako důvod k oslavám, protože to znamená, že matematika pokročila a že světu rozumíme zase o něco víc.

Pro mě z toho plyne několik důsledků. Zaprvé se utvrzuji v tom, že můžeme být odvážnější, pokud jde o rozsah a technickou náročnost výzkumných otázek, které si klademe. Zadruhé musíme zajistit, aby nástroje AI byly spravedlivě a široce dostupné, a matematický pokrok tak mohli určovat především ti, kdo kladou správné otázky, a nikoli ti s největšími rozpočty. K tomu mohou pomoci například iniciativy, jako byla nedávno zveřejněná společná výzva nadace Simons a společností Anthropic a OpenAI (výzva byla zveřejněna 15. října 2026 s cílem pomoci matematické komunitě vyrovnat se s překotným nástupem umělé inteligence a jejími dopady na vědecký výzkum; pozn. red.). Zatřetí je třeba zlepšit trénování nástrojů AI tak, aby se výklad důkazů svou přesností přiblížil jejich počítačově ověřeným formalizacím v systému Lean (programovací jazyk určený k formalizaci a digitalizaci matematiky, tzv. dokazovací asistent, v současnosti se využívá také pro trénování AI modelů; pozn. red.). Zvlášť zřejmé je to například v souvislosti s hromadným zveřejněním 722 matematických výsledků společností OpenAI.

Jak konkrétně teď vaši práci AI ovlivňuje?

AI nástroje využívám ve všech fázích výzkumu – od rozhodování o tom, jakými problémy se zabývat, a zkoumání výchozích myšlenek přes vývoj teorie, psaní kódu nebo provádění simulací až po sepisování výsledků. Je to vzrušující, až návykové; mám díky tomu pocit, že jsem daleko produktivnější. AI nástroje jsou neuvěřitelně mocné a jsou tady, takže ať se nám to líbí nebo ne, nemůžeme je ignorovat, pokud chceme udržet krok s vývojem.

Věda je také o schopnosti zůstat zvědavý a činorodý i tehdy, když postupy, které se nabízely, selhaly.

Na Oxfordu se věnujete nejen výzkumu, ale taky výuce studentů, s nimiž pracujete v tutoriálech. Tento systém v Česku není tolik známý, můžete přiblížit, jaké jsou jeho hlavní přínosy?

Systém tutoriálů spočívá ve výuce ve velmi malých skupinách, často se dvěma studenty a jedním vyučujícím, a v poskytování velmi detailní zpětné vazby, tedy v pečlivé kontrole každého řádku výpočtu či argumentace. Takový způsob výuky je sice velmi náročný, ale jeho výhodou je to, že se dá dobře přizpůsobit úrovni studentů. Na ty nejlepší studenty pak můžete klást vyšší nároky – pokud studenti látce z přednášek dobře rozumí, můžete jít dál a dávat jim obtížnější otázky nebo jim ukázat, jak dané myšlenky souvisejí s jinými tématy.

Co se svým studentům snažíte předat?

Je toho dost. Chtěl bych jim předat široké a hluboké znalosti oboru, naučit je rozpoznávat, kterým problémům stojí za to se věnovat, a vybavit je dovednostmi potřebnými k jejich řešení. A taky bych chtěl, aby se nenechali rozhodit, když se na něčem zaseknou. Věda je totiž také o schopnosti zůstat zvědavý a činorodý i tehdy, když postupy, které se nabízely, selhaly.

Co byste poradil českým studentům, kteří by se chtěli věnovat matematice a být v ní úspěšní?

Poradil bych jim to samé, co kterýmkoli jiným studentům: hledejte zajímavé a důležité problémy, jejichž řešení bude užitečné i pro ostatní; podívejte se na ně z jiného úhlu než vaši předchůdci; naučte se přecházet mezi teorií a výpočty a hledejte elegantní myšlenku, která vystihne podstatu problému.

Patrick E. Farrell
Působí jako profesor ve skupině pro numerickou analýzu na Oxfordské univerzitě. Zabývá se řešením parciálních diferenciálních rovnic, které slouží k matematickému popisu složitých jevů v přírodě i technice. Za svou práci obdržel řadu významných ocenění, mimo jiné Whiteheadovu cenu Londýnské matematické společnosti (2021) a Germund Dahlquist Prize (2025) udělovanou společností SIAM (Society for Industrial and Applied Mathematics) za přínos v oblasti numerického řešení diferenciálních rovnic. V roce 2026 byl zvolen čestným členem této společnosti (titul SIAM fellow) a přednesl zvanou přednášku na Mezinárodním kongresu matematiků (ICM) ve Filadelfii. V letech 2025 a 2026 působí jako hostující profesor na Matematicko-fyzikální fakultě UK v rámci programu Donatio Universitatis Carolinæ Chair.


Mohlo by vás také zajímat:

Sebastian Opper: Cením si podpory kolegů
Vítězslav Kala: Největší radost je práce ve skupině
Matematička na dlouhé trati