AI 攻克百道数学难题后,数学家 Litt 长文回应:这是起点不是终点
机器之心 · wechat · 2026-09-27
OpenAI 一款 8 月底才开始训练的内部模型已解决 100 多道世界级数学难题,数学圈弥漫焦虑之际,多伦多大学数学家 Daniel Litt 发表长文《A beginning for mathematics》,给出一个出人意料的乐观回应。
核心论点:
- 接受激进前提:Litt 直接假设能稳定超越人类的数学 AI 很快出现,然后讨论职业该怎么办,而非争论 AI 能不能。
- 数学的目标不止「证明定理」:机械枚举公理的「猴子」也能不断产出定理,说明数学共同体真正看重的是理解,而非命题被证明这一事实本身。机器能生产答案,生产不了人对答案的理解。
- 制度改革:期刊、arXiv、论文署名等制度未必要保全;应区分「数学进展」与「数学能力」——博士论文已无法可靠证明作者本人懂了,未来可依赖严格答辩(能讲清、能应对追问、能迁移)来授予学位,用不用 AI 不重要,最后必须自己懂。
- 被低估的能力:筛选「什么问题值得研究」长期奖励不足,未来应奖励能搭建研究纲领的人。
- 理解是瓶颈:模型产出海量 PDF 后,「一个猜想倒在森林里没人听见」就没有意义——数学内容越多,越需要数学家去理解它。
- 数学第一次可以「氪金」:难题可能花一顿晚餐的钱就被算力解决,绕路产生的辅助理论损失真实存在,但答案之后还要追问它解释了什么、能推广到哪里,新困惑会重新聚拢共同体。
结论:AI 会解决大量难题、许多制度会过时,但数学不会被「做完」——我们一直站在数学的起点。
「漫话AGI」频道最新
- 网友吐槽:有效利他主义并非草根运动,而是高度自上而下的层级组织 — ctjlewis · 2026-11-16
- 开发者驳'失控 AI'论:补贴式订阅撑不起昂贵 AI 集群 — gerardsans · 2026-11-16
- Ben Thompson 撰文:黄仁勋的落幕标志 Nvidia 长期前景与 AI 泡沫终结 — morqon · 2026-11-16
- 博主称再有5-10GW算力与千万级AI科学家即可逼近“魔法” — Dr_Singularity · 2026-11-16
- 法国 AI Overviews 上线后:五个案例拆解 AIO 对点击率的冲击 — gaganghotra_ · 2026-11-16
- lemire:AI 改变编程的不是速度,而是扩大工程师的「认知半径」 — lemire · 2026-11-16