![]()
AI辅助数学研究突飞猛进,正深刻影响着数学学科的发展。近日,一场“关于数学及数学家未来”的讨论在求真书院展开。清华大学丘成桐院士、Caucher Birkar院士、Nicolai Reshetikhin院士、Vladimir Markovic院士、苏宁助理教授,北京雁栖湖应用数学研究院Yuval Peres院士、Kimyeong Lee教授,以及来访的哈佛大学集合论学者Hugh Woodin院士共同参与。张翼华教授主持。
AI时代已然到来,数学家并无退路。过去,完成证明和计算,就意味着成功;如今,数学家必须深入理解学科、熟练掌握技巧,并且善用AI。这意味着,仍然要付出努力不断学习;与此同时,AI促使着人们更重视去伪存真,找到真正有价值的问题。
PART 01
问题:AI学会了解题和推理,
还需要数学家么?
![]()
丘成桐:许多数学家和学生感到挫败。但在我看来,不必气馁。无论AI多么强大,也无法穷尽大自然所有的奥秘。重要而有趣的问题总是会存在。有了AI助力,我们将更快从“未知”抵达“已知”,开创新的研究领域,实现真正的观念突破。
AI的确比人类更迅捷。但我们需要“消化”AI生成的种种内容。我刚开始做研究时,许多问题我并不完全理解,就先假定它是对的,往前推进;反复尝试之后,那些原本不理解之处就弄懂了。不必因为AI解出了众多题目就感到害怕,理解这些内容,推动学科发展,需要漫长的时间。
这就像出海捕鱼:捕到一条大鱼,却不知道它能不能吃,鱼可能有毒等等。我们必须弄清怎么烹饪,是否可食用,这都需要过程。在这个过程中,我们获得了新知。科学研究需要由人类指引方向、完成重要的观念创新。人类的思考永远不可替代。
我们必须学习使用AI,否则就会掉队。40年前,我在斯坦福工作时候,秘书用打字机打论文,后来进入PC时代。那些坚持不学电脑的,觉得PC不过是时髦的花招,很快就丢了工作。我们毫无选择,必须学习使用新工具,并在其中找到乐趣。
Yuval Peres:人类始终将决定科学发展的方向。今年10月初,OpenAI公布了尝试解决一系列数学问题,但只完成了其中一成。最近,我与 OpenAI 数学与 AI 团队负责人之一 Sébastien Bubeck 交流,和他分享了我和我的学生以及几位合作者的工作。我的学生提出了一个不错的想法,并在AI的帮助下完成了证明,而OpenAI的研究人员尽管拥有更强大的模型,却无法解出同一问题。这就是人类智慧与AI结合的例子。
坦率地说,如果不用AI,我们将处于劣势。我们必须拥抱AI这一革命性新工具,同时努力思考。我认为,数学家发挥的空间更大了——因为需要解读、需要实现应用的数学成果越来越多。
我过去的工作,大约九成都是合作完成的。而AI 是崭新的合作者——应该欢迎这样一个“永不疲倦”的合作者。
Hugh Woodin:我的研究方向是集合论,在数学里算是边缘的领域。OpenAI 公布的成果并未涉及。AI擅长解题,但数学的价值在于提出问题,而AI 尚且不会提问题。在数学森林之中,那些容易的问题如同灌木;一场AI大火过后,灌木全被烧光了;最后留下的,是重要的难题,就是那些幸存的大树。这比喻可以说明AI的影响。
在我的领域之中,有许多问题,我已经尝试了8年甚至10年,如果AI能够解答,我会非常开心。
数学问题有很多不同类别。有些问题,解决的方法很重要;有些是障碍题,解决了它,就能找到未来发展的方向。我想AI如果能够帮助我们解决第二类问题,那就太好了。
有了望远镜,天文学家并没有失业,而是获得了更好的工具。AI就是这样的工具,它将帮助我们完成证明。那么证明是什么?证明是一连串的推理。AI帮助我们实现“跳跃”,证明或许将由一个个跳跃构成,我们因此将走得更快、更远。我认为这是个激动人心的话题——我们手里多了一件强大的工具,接下来会发生什么非常值得期待。一年后会是什么样?谁也说不准。AI的能力会不会越来越强?——拥抱它,不要回避它。
我在伯克利从教20年,曾为社会科学专业学生教授微积分课程。每次课程开始时,我就会对学生说,来上数学课不是为了学习某项具体的数学知识,而是要学习数学的推理和思考方式,这就像阅读一样,是一项非常重要的能力。推测、研究抽象对象,可以应用于生活的方方面面。AI时代,这一能力更加重要——它帮助我们更深入了解事物内在的逻辑。
数学中的真理,并不完全表现为证明。集合论的一个奠基性问题是连续统假设,在ZFC公理体系中,它既不能被证明,也不能被证伪。人类发现数学真理,不仅仅通过计算和证明,这是数学人文的一面,十分优美。AI拿这样的问题怎么办呢?
Vladimir Markovic:OpenAI公布的这些问题中,有十来个是我比较熟悉的,涉及复分析、实分析和群论。其中几个已经被AI解决。AI最初公布的证明十分繁琐,数学家将其压缩到了几页。这至少说明一件事:数学家仍然可以和AI协作。
至于Cannon猜想,如果获证就太好了。但OpenAI的证明目前尚未经过验证。AI生成的论文读起来并不容易,有些领域内的专家认为AI是对的。如果最终通过验证,它将为三维流形的双曲化定理提供一个全新的证明路径,其采用的拟共形分析与度量几何的方法。那将是真正了不起的成就,会大幅推进三维流形的研究。
三维流形的几何化研究有着漫长的发展历程。Thurston首先在Haken流形等重要情形中取得突破;Hamilton开创了利用Ricci流研究三维流形几何的道路,Perelman在此基础上完成了几何化猜想的证明。Cannon则提出了另一个与三维双曲几何密切相关的重要猜想。如果这一猜想得到证明,将为这一领域开辟新篇章。
PART 02
问题:AI将如何改变论文评判的标准?
![]()
Nicolai Reshetikhin:最近,Communications in Mathematical Physics 编委会讨论了如何处理AI辅助研究的论文成果,大家争论了很久。最终达成两条共识:第一,限制单个作者的论文发表数量,每位作者一年只收两篇;第二,不看是否用了AI,而看论文质量,即数学物理成果的重要性以及行文的质量。其余还有很多讨论,但总的结论是:一切照旧(business as usual)。我们追求的是研究的质量。之所以设限,是因为论文如洪水般涌来;限制针对的是论文质量,而并非AI的使用。
AI是很好的工具,但我们必须清楚自己要从中得到什么。比如,我的英语不够好,容易出语法错误,用英语写论文对我来说有困难。AI则是编辑论文的利器。但如果直接让AI替我们完成一篇论文,它给出来的只会是垃圾——真的有人这样投稿,这是滥用AI。而与AI协作、改进行文,则完全正当。
Yuval Peres:如何调整博士学位论文的评估?近期美国数学会的一个委员会专门讨论了此事,并提交了一份报告。可以概括为:对一个领域的“掌握”的程度,变得更为重要。也就是说,仅仅拿出一单篇的成果是不够的;不会核查“用了AI还是没用AI”,目前根本也无从判断。在一些传统博士培养模式中,答辩近乎形式:交上一份好论文、导师们读一读,随后走个过场。未来,答辩将会变得更加重要——学生必须展现对整个领域的系统理解和掌握,这样未来才能提出好问题。考察解释数学、表达新问题与新方向的能力,会变得愈发重要。
关于“AI垃圾”,曾是个大问题,如今有所减少——但仍然存在。AI可以产生精华,也可以产生垃圾。讲一个小故事:我的一位好友,这位优秀的概率学家,解决了一个悬而未决的问题。多年前他就有了这个绝妙想法,六年前开始动笔,一直在写。麻烦在于:直接把这个题目交给AI,它做不出来。而他本人从想法到严格证明的路走得极艰难——他没有借助AI,最终写成两篇各150页的论文,给出了完整证明。现在把他的论文(连同想法)交给AI呢?AI构造出了八页证明,其威力与原来三百页的版本完全相当。人的才华与AI的才华结合,将会产生意想不到的结果。
PART 03
问题:AI时代,学生应掌握哪些能力?
![]()
Caucher Birkar:我们能够使用的AI模型还无法代替我们完成所有任务。AI唯一让我担心的是:有了AI,人们就不再思考了。AI一定会变得越来越强,这种风险也在增加。教师和学生都应保持警觉。数学是人类最高智慧的结晶,在发展之中不断累积,越来越复杂,越来越艰深,任何一种学问或艺术都无法与之比拟。人类不可能放弃这样的学科。因此,数学家一定会存在。我想对同学们说,还是要付出努力,只有日积月累的努力,我们才能获得直觉,发展出自己的想法。
Vladimir Markovic:社会支持数学研究的理由,并非数学家解决了他们解决不了的问题,而是因为数学是科学的基础。AI并不能改变数学本身的价值。此外,数学门槛较高,并非所有人都能理解,人们始终还是要学习数学的。对于学生而言,重要的不再是解决了什么问题。未来,学生需要更深入的了解所在领域,理解问题之间的关联,并将数学问题解释清楚。
Kimyeong Lee:我建议学生通过AI探索自己有兴趣的课题,利用AI,不断获得这一领域的知识,等掌握足够多知识的时候,就可以开始探索新的方向。与其担心,不如利用AI不断尝试各种想法、找寻新的创意。
苏宁:学生有了AI,更容易学到各种前置知识,以往只有成熟数学家才能掌握。我想AI缩小了学生和学者之间的差距。
PART 04
问题:AI生成大量内容,我们应该
多大程度关注这些细节?
![]()
丘成桐:数学一直需要面对这个问题,只是目前AI计算和推理放大了这个问题。我年轻时候完成证明,也经常要用到一些我并不完全理解或者确认正确的定理。Thurston在1970年代对三维流形几何化的重要情形做出突破:在一定条件下,哈肯(Haken)三维流形具有双曲结构。很多人对此都感到震惊。有些年轻人则沿着这个思路继续研究三维流形。普遍的看法是,假定他是对的,我们就能继续推进;否则就卡在证明他是否正确这个问题上。经过多年发展,Thurston的理论才逐渐传播开来。数学界也花了相当长的时间,才理解并掌握其中的深刻思想。我想AI是同样的道理。当然要努力弄清楚,但也不能止步不前。
即便AI发表了错误的论文,或者我们不能完全理解它生成的内容,数学的发展也不会停下来。关键的问题是辨别真伪。而且验证的技术也会越来越成熟。
Yuval Peres:人类数学家要对自己的论文负责,只有在理解并确认正确之后,才能署名。有的科学家主张:只有能就论文清楚地做报告时,才可以发表。数学家需要自我约束。AI时代,这种自我约束与以往不同,但依然重要。AI与人类的结合将十分强大。AI将改变很多职业,数学家比其他职业处境更好一些,这是因为AI本身就建立在数学基础之上。
PART 05
问题:年轻学生们担心前途受影响怎么办?
![]()
Nicolai Reshetikhin:数学和其他自然科学有何不同?数学有证明,物理等学科难于证明。数学是符号化的科学,是我们认识世界、量化世界的工具。数学是通用的语言,这是数学的特殊之处。
在伯克利,应用数学有几条不成文的规定:如招生首先招数学系。有句老话:不要过度思考。另外,我推荐那些担心AI的同学看一部电影《银河系搭车客指南》,其中有一句名言:“不要恐慌!”
本科教育十分重要,我认为一切照旧。AI的出现只是让我们有了更多工具。我建议开设一门短课,教学生如何向AI提问。
丘成桐:AI解决所有问题是不可能的,不用担心。很多学生认为应用数学更有用,我不同意。AI学习应用数学的知识很容易;而基础数学将为AI的发展和应用学科的发展提供更多基础工具。我坚信基础数学的威力十分强大。
Caucher Birkar:我能够理解这个担忧。很难想象两三年之后AI将会是什么样,是否只有企业才能使用前沿模型。AI擅长融合不同知识,比我们所有人都强。但它不能产生新的观念。此外,仍然有一个价值判断问题:AI是否对社会仍然有价值。我们虽然不知道它会如何演变,只能尽己所能。
PART 06
问题:数学研究变成模型和投资的比拼,
怎么办?
![]()
丘成桐:在某种意义上,算力很重要。但我相信,当算力大到某个程度之后,优势会渐近不变。只是眼下还没到那个点。AI只能掌握过去两千年的全部已知想法,比如解决黎曼猜想,把所有可能的思路都试遍,总会到达一个瓶颈,AI的能力是有上限的。只是现在我们还没到那一步,仍然处在劣势阶段。
我们正在与几家算力中心合作,为学生和老师提供足够的算力。不必太担心。过去几周我们一直在很用心地推进这件事。但无论工具多强大,人类始终不可替代。我希望同学们大胆尝试,你们当中已经有人用AI证出了物理与数学中一些非常漂亮的定理。
—THE END—
编辑:fanye
来源:数理人文
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.