8.0
深览指数
科技虎嗅·返朴··AI 生成
菲尔兹奖得主迪米尼-科潘：我不用AI做创造性工作
菲尔兹奖得主迪米尼-科潘以自身经历说明，未能证明著名猜想θ(pc)=0的多次失败尝试，反而催生了更丰硕的数学成果和合作关系。他认为当前AI快速生成证明的方式正威胁数学共同体，尤其是年轻数学家的成长路径：好问题就像灯塔，指引研究者探索和创造，而AI的攻城槌可能让整个领域尚未充分发展就被拦腰斩断。他指出AI与数学家的根本错位在于数学家认为过程比答案更重要，保护想法缓慢成熟、内化为直觉的土壤才是数学传承的核心。适合关注AI对科研文化影响的读者，尤其是对基础数学或学术共同体未来有深层次思考的人。原文 ↗
核心观点
- ▍当前使用AI生成数学证明的方式非但没有赋予数学家力量，反而让整个领域尚未充分发展便被拦腰斩断，并在数学版图上投下核弹，使这片土地更加难以栖居。
- ▍AI与数学家的根本错位在于：数学家认为过程比答案更重要，而AI只追求结果；想法需要经年累月的培育、内化和在共同体中传承，AI威胁了这种缓慢的智识发展过程。
- 012025年4月，ChatGPT Pro证明了渗流理论中长期悬而未决的pc<1猜想，作者称其为闪电劈到了隔壁。
- 02作者自己未能证明θ(pc)=0猜想，但这段经历促成了与Vincent Tassion、Michael Aizenman等人的合作，并让随机流表示这件工具重获新生，帮助解决了包括四维伊辛模型平凡性在内的一大批问题。
- 03菲尔兹奖得主Peter Scholze在《莱顿宣言》中表示：数学想法就像孩子，需要经年累月的悉心培育和成长，正如他不愿让AI教育孩子，在思索数学想法时也不使用AI。
- 04pc<1的AI证明本身简短且漂亮，并非晦涩难读，作者的问题不在证明质量本身。
- 05θ(pc)=0猜想的陈述极为简单、所需背景不多，但对人类难度极高，因此成为前沿模型的绝佳目标。
反方 / 局限
- — 作者承认，在某些具有直接且迫切应用的问题上，AI进步显然有益，否认这一点是荒谬的；某些数学领域完全可以欣然拥抱AI以加快问题解决进程。
- — 作者没有提供一套简单的判断标准来区分哪些数学领域会从AI获益、哪些不会，也承认自己不适合给出普遍性建议。
11 分钟 · 4 卡片 · 12 资料
读原文 →