为什么要自己做数学,AI 能做到?
a16z Frontier 报告探讨了 AI 生成的证明如何重塑数学研究,以及这对未来数学家的意义。报告发现,虽然 AI 能比人类更快地产生证明,但真正的前沿转向对这些结果的理解和传播。
要点
- AI 已经在数十年难题上给出证明,有时只需几分钟。
- 验证仍是瓶颈;千页级的证明需要大规模协作。
- 人类价值从发现转向解释和为 AI 生成的结果提供背景。
- 数学家对 AI 的角色既感到兴奋,也感到存在焦虑。
- 该领域需要新的工作流来吸收、完善和教学 AI 驱动的数学。
- Moore 在该问题上工作的年限
- 19 年
AI 驱动发现的议题
a16z Frontier 团队提出了一个简单却深刻的问题:当 AI 产生的数学证明速度快于研究者的理解速度时会怎样?报告借助近期案例——OpenAI 在十月发布的数百篇手稿以及个人声称的 AI 辅助突破——审视快速发现与人类理解之间的张力。
数据与轶事
作者列举了多个具体案例。OpenAI 的批次中包括一个证明,解决了康奈尔大学的 Justin Moore 追寻了 19 年的问题,Moore 将这一时刻形容为“醒来”而非庆祝。另一个引人注目的例子是 Dan Boneh 提出的假想千页 P ≠ NP 证明,展示了验证挑战的规模。来自数学家如 Levent Alpöge(声称 AI 辅助证明了黎曼猜想)和 Frank Vallentin(将 AI 论证改用于格覆盖问题)的真实案例,既体现了这些工具的前景,也展示了其情感冲击。
主要发现
a16z crypto 估计 AI 将日益成为“一棵结果丰硕的树”,不断产出大量成果,需要人类进行收割、验证和解释。报告指出两大新兴前沿:发现的边界(AI 能证明什么)和理解的边界(我们如何将这些证明转化为人类知识)。密码学、理论计算机科学和经济学的研究者已经在使用 AI 测试想法、构建证明、探索以往难以触及的问题。
注意事项与未解问题
验证仍是主要障碍。即使证明已在 Lean 等语言中形式化,要让人类理解可能需要“数学家和计算机科学家的大军”,报告如此指出。此外,信用归属和对研究者的心理影响——Kirwin Hampshire 将其形容为“精神危机”——仍未解决。作者警示,AI 工具会放大而非取代人类在挑选有价值问题上的判断,尤其是在密码学等安全关键领域。
对读者的启示
对于有志成为数学家或加密工程师的人来说,结论很明确:技能将转向策展、解读和教学 AI 生成的数学。随着 AI 降低了解决难题的门槛,评估相关性、验证正确性以及传达洞见的能力将成为最有价值的资产。拥抱这些工具可以扩大研究范围,但社区也必须建立协作框架,以应对大量新证明的涌入。