三年前，ChatGPT 还在数 “strawberry” 有几个 “r” 上翻车，如今的 AI 却已能解决一些职业数学家毕生都可能无法啃下的难题。不过，在地球上最聪明的数学家之一陶哲轩看来，这些或许只是 “廉价的胜利”。
“廉价胜利”背后的真实刻度
在近期的访谈中，陶哲轩为 AI 的数学能力划定了一条冷静的基准线。对于那些刷屏的“AI 攻克埃尔德什（Erdős）猜想”新闻，他的判断是：这不过是从上千个埃尔德什问题中挑选出的、使用标准技术就能解决的长尾题目。给一位专家半天时间，同样能搞定。
这话听起来像是在泼冷水。但如果我们换个参考系——有网友曾翻出一个细节：某人的博士论文题目，陶哲轩只用几小时就给出了解答。这意味着，他口中 “专家半天能搞定” 的问题，其难度可能已经超越了许多职业数学家一生中最具挑战性的研究。
目标确实在移动，只是移动的速度比大多数人意识到的要快。
从“翻车”到“初级合著者”，只用了三年
早在2023年，当具备可靠推理能力的模型还未见踪影时，陶哲轩曾做出一个预测：AI 到2026年有望达到 “可信赖的初级合著者” 水平。
现在回看，这一进度基本符合预期。这个判断之所以有分量，是因为它来自一个对 AI 能力最无幻觉、每天都在实践中与 AI 协作的人。他并非在喊口号，而是在用真实的体感进行校准。
那么，“初级合著者”意味着什么？意味着 AI 能够执行已知的技术、处理标准化的证明步骤，并在人类指定的方向上做出可靠推进。它不是天才，却是一个你可以信赖的、有执行力的队友。
会“算题”，但不会“想”
这才是陶哲轩真正关切的核心，也是整场讨论中最值得咀嚼的部分。人类数学家在证明一个定理的过程中，会产生概念性的洞见。那些走过的弯路、闪过的直觉、失败的尝试，其本身就是知识的重要组成部分。一个好的证明，不仅告诉你结论成立，更会揭示它 “为什么” 成立，以及 “为什么” 其他路径走不通。
然而，当前 AI 生成的证明往往缺乏这种 “思维的痕迹”。它或许能用数据挖掘般的暴力计算扫荡大片问题空间，却无法向你解释为何选择此路而非彼路。
有人打了个形象的比方：一本字典认识的单词远超于你，但这本字典永远不会写诗。
当然，也有人反驳：这分明是在“移动球门”——几年前 AI 连完整句子都说不利索，如今却开始嫌弃人家的证明不够优雅了？
双方观点都有其道理。但陶哲轩所指出的，或许是一个更根本的问题：数学的价值究竟在于最终的答案，还是在于求解过程中所获得的洞见与理解？ 这正是数学作为一门基础科学的核心魅力之一。
真正的忧虑：为人类保留一个参与的“借口”
在最近的几次访谈中，陶哲轩反复提及一件事：如果 AI 真的能越来越多地将人类从循环中移除，这对于人类的智识生活将意味着什么？
他没有给出确切的答案，但指明了一个方向：他呼吁 AI 系统需要具备更好的 “不确定性信号” ，让 AI 能够知道自己不知道什么，而不是一本正经地“胡说八道”。他更倾向于一种人机交互式的协作模式，而非那种“按下一个按钮就自动出结果”的全自动流程。
说白了，他要求 AI 保留 “不确定性信号”，本质上是在请求：请给人类留一个参与的借口。
这听起来似乎有些傲慢，却也透露出一种深沉的悲壮感。
数学不会被“解决”，但正在被重新定义
数学会不会在不久的将来被 AI 彻底“解决”？网络上不乏有人押注“会”。
但至少在陶哲轩看来，AI 所改变的，主要是数学的实践方式，而非一夜之间取代所有数学家。它将数学从一种手工作坊式的精雕细琢，推向大规模、系统化的问题探索。
这究竟是进步还是损失？答案取决于我们如何看待数学的本质。如果数学只是一堆待解的题目集合，那么 AI 无疑正在以前所未有的效率清扫战场。但如果数学是人类理解世界、锤炼思维的一种独特方式，那么即便 AI 给出再多的答案，也替代不了人类在求解过程中那灵光一现的顿悟与喜悦。
我们似乎正在创造一种东西，它最大的成功标志，就是让创造者自身变得多余。这可能是人类文明史上最具矛盾性的一项成就。关于这场变革的更多深度讨论与资源，欢迎访问 云栈社区 的 人工智能 板块，与广大开发者一同探索前沿。
发表于 18 小时前
|
查看: 2|
回复: 0
