当AI解决你苦研多年的问题时,世界会变成什么样?
研究人员伊塔伊·亚伯拉罕(Ittai Abraham)花了大约两年的时间攻克一组数学难题。几年后,他将其中一个问题交给了一款AI模型。仅仅一个小时,AI就在他卡壳的地方取得了突破。
斯坦福大学密码学家丹·博内(Dan Boneh)将这一体验推向了更深的层面:假设一款AI解决了“P vs. NP”问题——这是计算机科学领域最大的未解之谜之一。虽然计算机可以验证每一步推导,但这份证明可能长达十亿页。在这种情况下,我们究竟能真正理解多少内容?
本期节目汇聚了多位研究人员——包括亚伯拉罕、博内、斯科特·杜克·科米纳斯(Scott Duke Kominers)和贾斯汀·塔勒(Justin Thaler)——探讨在AI具备强大解题能力的当下,数学的未来将走向何方。
此外,节目还深入探讨了以下话题:为何模型能生成正确的证明却跳过关键步骤;如何培养对“哪些值得深入研究的问题”的直觉;以及如果一名学生正在考虑是否在未来五年攻读数学博士学位,这些专家会给出怎样的建议。
本节目适合所有关心这样一个问题的人:如果AI能够证明出人类可能永远无法完全理解的内容,人类的知识体系将发生怎样的变化。
精彩看点
00:00 开场介绍
05:39 数学发现能否超越人类的认知速度?
10:38 AI突破人类瓶颈的时刻
13:56 当论文产出速度极快时,什么才值得发表?
18:40 Lean系统如何检查数学证明
22:10 AI的局限性:在简单步骤上投入过多精力,而在难点上投入不足
27:54 数学是否会变得像天文学一样?
31:45 如果证明长达十亿页,它的意义何在?
41:00 对于年轻数学家而言,当下的感受如何?
47:42 两个难题还是一百篇论文?如何评估研究者的价值
56:17 有AI辅助时,发现的体验会有所不同吗?
58:09 两位研究者自2000年代以来一直关注的难题:AI在其中一个问题上提供了帮助
1:10:29 现在的数学教授应该教授什么?
1:26:22 呼吁培养更多数学家
节目中提及的资源
• OpenAI发布的数学数据集
• 《费马的最后 Tango》(Fermat’s Last Tango)
• 威廉·瑟斯顿(William Thurston)的文章《论数学中的证明与进步》
• Lean开源证明助手
• 柯文·汉普希尔(Kirwin Hampshire)的文章《数学的漫漫长夜》
• 陶哲轩关于朗道-西格尔零点证明的草图(由斯科特讨论)
• 史蒂文·施特罗加茨(Steven Strogatz)的文章《一位数学家阅读AI的未来》
• 一篇包含精彩“AI使用情况披露”的数学论文