7.4
深览指数
科技腾讯新闻·差评XPIN··AI 生成
数学难题正被AI批量攻克，数学家却被逼着给AI擦屁股
本文以OpenAI一次性发布722份数学手稿、攻克372个数学难题为引，揭示了AI在数学领域高速产出背后引发的核心矛盾：AI的证明过程虽能通过机器验证，但往往“狗屁不通”、难以被人类理解，反而将整理、验证、纠错的重担压在了人类数学家身上。与常见夸赞AI科研潜力的报道不同，作者聚焦AI“窜稀式发布”对数学知识体系可能造成的伤害——快速产出缺乏思想提炼的结论，会扼杀数学研究中“创造新工具”的核心价值。文章还引用了陶哲轩等25位菲尔兹奖得主的联合声明和人类数学协会的抗议，适合关注AI对基础科研生态冲击、以及科学知识生产伦理的科技从业者和研究者阅读。原文 ↗
核心观点
- ▍AI快速海量地输出数学证明，但其过程难以被人类理解，本质上是把验证和梳理的重担转嫁给数学家，可能伤害数学这门学科的知识沉淀与创造力核心。
- 012024年10月6日，OpenAI在GitHub上发布了722份手稿，包含372个数学难题的证明研究，横跨数论、代数、几何、拓扑等17个领域。
- 02解题成本大幅下降：之前解NS方程需要上万个Agent运行88小时，这次平均每个问题仅消耗ChatGPT Pro三小时的计算资源（Chat对话模式）。
- 03OpenAI发布了3份手稿后又撤回，原因是其中一篇论文的正负号搞错，导致关键结论出错，并连累了依赖它的另外两篇论文。
- 042024年9月11日，陶哲轩联合25位菲尔兹奖得主发布联合声明，指出AI在数学上的用法不对，存在严重错位，不应将数学题仅当作AI的benchmark。
- 05人类数学协会（AHM）发出声明，呼吁数学家停止与OpenAI合作，批评其只秀肌肉、漠视科研规范，提倡回归以人类为中心的科研模式。
- 06以费马大定理为例，其真正价值并不在于最终证明结论，而在于三百年探索过程中催生出的理想数理论、椭圆曲线、模形式、伽罗瓦表示等新数学工具，这些工具后来被用于密码学等领域。
- 072018年菲尔兹奖得主Alessio谈及使用AI的体验：如果一道题没有公认的解题思路和先前的文献成果，AI会非常容易“抓瞎”。
反方 / 局限
- — 文章也承认，人类数学家也经常犯错（如怀尔斯证明费马大定理后也花了一年修正过程），AI出错并非不可接受。但问题在于AI产出速度太快（一次数百篇），导致人类数学家来不及审阅和消化。
9 分钟 · 4 卡片 · 9 资料
读原文 →