数学难题正被AI批量攻克，数学家却被逼着给AI擦屁股

来源：投资界

原标题：数学难题正被AI批量攻克，数学家却被逼着给AI擦屁股

多年以后，面对人工智能，数学家们估计会想起 OpenAI 轰炸数学界的，那个遥远的上午。

10 月 6 号，OpenAI 一口气在 GitHub 上倾泻了 722 份手稿，里面包含了 372 个数学难题的证明研究，给数学家们整了个大的。

这些题有多牛叉咱看不懂，但看数学界内部研究员的反应，可能比上回 GPT 速通千禧年难题还要夸张。

罗格斯大学的数论学家 Alex 直言，这简直是在逗我玩儿，准黎曼猜想都做出来了，菲尔兹奖啥的，给你了呗。

英国*学会的研究员 Thomas 更佛系，建议大伙儿休休假，陪陪家人，感受一下自然，然后再回来工作。

没办法，上回的千禧年难题被速通，大伙儿体感还没那么夸张，毕竟数学的细分领域多，隔行如隔山。

但这次 OpenAI 不讲武德，轰炸范围横跨 17 个领域，什么数论、代数、几何、拓扑，火力覆盖范围直接拉满。

除此之外，解题成本也是一泻千里，之前解 NS 方程的时候，还得上万个 Agent 一起干 88 个小时，但这次平均下来，一个问题才消耗 ChatGPT Pro 仨小时的计算资源。

没错，甚至还是特喵的 Chat 模式。。。

难道，数学真药丸？

诶，传统视角来看，确实不容乐观，我们之前就采访过业内人士，大伙儿可以瞅瞅 （ 15分钟一局的*荣耀，成了数学博士生的避难所。），AI 辅助数学做科研的趋势其实早就不可阻挡。

但眼下大伙儿争议的点并不在这儿，而是 OpenAI 这些模型厂商泄洪式的粗暴证明，可能正在伤害数学，甚至科学研究本身。

因为他们放出的过程说明和论文，很多都是废话连篇、狗屁不通的，虽然能过机器验证，但很难沉淀成人能理解的知识。

这事儿数学家们已经呼吁好几轮了。

上个月 11 号，就在 NS 方程问题被解后，陶哲轩就联合 25 位菲尔兹奖得主发布了联合声明，强调的就是这件事。

说 AI 搞数学是牛逼，但现在用法不对，存在严重错位，不能让 AI 公司把数学题当 benchmark 刷。

这次事件后，人类数学协会 AHM 发出的声明则更加激烈。

他们呼吁数学家停止与 OpenAI 合作，因为这厮只会秀肌肉，漠视科研规范，大家还是得重新回到以人类为中心的科研模式才行。

这可不是什么被 AI 抢了风头的委屈叫苦，而是他们切实感受到，AI 这么窜稀式发布，是真会出问题的。

就比如今天下午，OpenAI 就刚刚撤回了已经发布的 3 份手稿。

原因那是相当草台，就是一篇论文的一个正负号搞错了，导致关键结论出错，顺带着连锁反应。把另外两篇依赖它的论文也拖下了水。

不说别的，要是 AI 公司继续这么干，连锁反应的链条可能会越攒越长，幻觉自然是左脚踩右脚直接升天。

当然，数学证明出错不是什么稀罕事儿，人类数学家也经常犯错。强如证出费马大定理的怀尔斯，也用了一年的时间修补最初的证明过程。

但麻烦的是，AI 这玩意儿实在太快了，快到了另一个维度。

以前数学成果一篇篇地出，大伙儿还能慢慢审，慢慢讨论。

现在 AI 一口气甩出几百份，验证对错、梳理思路，整理成人类能理解的知识，这些最后都得落到人类数学家的头上。

别忘了，人刚刚才被 AI 轰炸一轮儿，又该以怎样的心情去给 AI 擦屁股呢？

而没了这些整理沉淀的过程，很多前不着村后不着店的证明结果，很可能也没啥卵用。

因为比起证明本身，数学研究里更值得关注的，其实是藏在这些证明过程中的新思想和新工具。

就拿刚才提到的费马大定理来说，看着就是个简单的方程，但数学家们前赴后继的排队磕了 358 年，才在怀尔斯接棒后彻底搞定。

死磕的这三百多年，要只是得到一个有没有解的结论，那可亏大发了。

数学家们*的收获，正是为了找到答案不断构筑的各种数学工具。

像是 19 世纪，库默围绕数的分解问题发展出的理想数理论，后来成了现代数论的根基之一。

还有 20 世纪的椭圆曲线，索性走出纯数学领域，被用在了密码学里，咱网上聊天的数据传输也有它的一份功劳。

还有模形式，伽罗瓦表示等等，一代又一代，各自开枝散叶，然后才在怀尔斯的手中慢慢联系起来。

等到他最终攻克费马大定理的时候，真正证明的，其实是一个范围更广的数学结论，费马大定理反而成了一个顺势得到的推论。

而这些在过程中搞出来的理论和方法，并不会随着这道题的结束而原地退役，反而会成为数学家研究其他问题的有力工具。

纪录片里，怀尔斯自己就说过，一个好的数学问题，价值不在于问题本身，而在于它能催生出怎样的数学。

证明可以终结一道题，但真正有生命力的数学，是从一道题出发，让人类看到此前看不见的东西。

但不巧的是，按照一些数学研究员现阶段的反馈来看，这部分恰恰是 AI 的大短板。

AI 确实善于调用不同工具，东扯西拉的把各个领域的知识组合起来，但它组合的那些工具，基本都是已有的，也就是人类之前创造的，至于它自己造没造新工具，那得等这七百多份 “ 手稿 ” 被理清楚才能得知。。。 这种缺乏 “ 创造力 ” 的短板还不是什么一时的刻板印象，而是诸多业内大佬的亲身体会。

18 年的菲奖得主 Alessio 谈到 AI 的使用体验时说过，如果一道题没有公认的解题思路，也没啥相关文献和先前成果，AI 就非常容易抓瞎。

大佬用的模型跟 OpenAI 的内部模型肯定没得比，但就算这次真的有新工具问世，也还是会回到那个老问题上：怎么被人类理解，又怎么复用？

这可能是数学家，甚至科学家真正在意的东西。

因为我们总不能只当个观众，不断为 AI 大人攻克难题而喝彩，却对它用了什么，怎么做到的一无所知。

眼下的窘境就是如此，随着这些证明越来越便宜，理解反而越来越贵了。

因为说到底，数学的证明还是得靠数学家们一点点解读给普罗大众的，但他们的动力和回报，在 AI 这么无差别的轰炸下，是在一点点缩小的。

如果没人再愿意去解读 AI 的抽象论文，那这座堆砌起来的数学大厦可能会成为《三体》里的黑域，看似掌握了前所未有的力量，实则化身为理解的屏障，把文明锁死在里面。

作为地球上现存的*人类物种，咱智人能混到今天，可不止会用工具而已。

你看 BBC 的纪录片里，黑猩猩都会用树枝插棉花糖烤着吃。 但它们可不会琢磨，这火到底是怎么烧起来的，除了烤棉花糖，还能拿来干点啥？

而咱们就是靠着这一路琢磨的动力，才从山洞里的篝火旁折腾到了现在。

说白了，会用工具，知道结果，跟理解工具背后的原理，终究不是一回事，科学也从来不止于发现，更在于不断刨根问底。

没了这股子动力，那再过一百万年，咱们也未必能走出文明的山洞。。。