mt logoMyToken
ETH Gas
EN

a16z Frontier:当 AI 能攻克数学难题后,什么才算你真正稀缺的能力?

Favoritecollect
Shareshare

作者: Robert Hackett ,a16z Frontier 编辑,Fortune Crypto 联合创始人

编译:谷昱,ChainCatcher

数学正因 AI 的进步而面临一场生存危机,但 a16z Frontier 研究团队对这一领域的未来比以往任何时候都更加乐观。

如果 AI 解决了你花费数年研究的问题,你会想庆祝吗?

自 7 月读到数学家 Kirwin Hampshire 的 《数学的暗夜》 以来,我一直在反复思考这个问题。Hampshire 对自己正在为之训练的人生有一幅图景。随着 AI 模型开始为长期存在的猜想找到反例,他怀疑自己是否还能获得属于自己的发现机会。“我正在经历一场深刻的精神危机,”他写道。“我已经在内心尖叫了好几天。感觉自己仿佛生活在一场噩梦之中。”

而这还是在 OpenAI 于 10 月 发布数百篇数学手稿 之前。此后,研究社区成员一直表达着 震惊、兴奋与困惑 ,思考在 AI 加速时代从事数学研究意味着什么,以及那是何种感受。

OpenAI 这批结果中的一项给出了一份 证明 ,解决了康奈尔大学数学家 Justin Moore 反复回到、研究了 19 年的一个问题。2010 年,Moore 在马赛郊外买了一瓶 XO 干邑,准备在答案到来之时与其他研究过该问题的人分享。他告诉同事 Steven Strogatz ,一旦他和同行理解了这份证明并一致认为它是正确的,他仍计划打开这瓶酒。但答案与其他数百个结果一同到来,用 Strogatz 的话说,“像被砍下的犀牛头一样被呈现出来”。Moore 预计这场祝酒“更像一场守灵,而非庆祝”。

a16z Frontier 的研究人员知道,研究一个模型或许能够解决的问题是什么感觉。他们在密码学、理论计算机科学、经济学和数学领域广泛使用 AI,钻研顽固的老问题、测试想法、构建证明。我们把他们召集在一起 交流笔记——一个问题反复出现: 当证明到来的速度超过我们理解它们的速度时,会发生什么?

我们的高级研究顾问、斯坦福应用密码学组负责人 Dan Boneh 提出了一个 思想实验 :假设一个模型证明了 P 不等于 NP ,这是千禧年大奖难题之一,也被认为是整个计算机科学中最重要的问题之一。(如果成立,这实际上意味着存在这样一类问题:人们可以高效地检验其提出的解,但没有任何算法能够高效地解决每一个实例。)现在想象这份证明长达 10 亿页。是否有任何一个人能够理解它?假设这甚至是可能的,吸收、解释并教授它需要多长时间?

我们的对话播出两天后,数学家 Levent Alpöge 宣布 ,他认为自己在 AI 的帮助下证明了黎曼猜想。这一关于素数分布、提出于 1859 年的猜想是另一项千禧年大奖难题,数论中有数百项结果都以它为真作为前提。Alpöge 在公告中说:“感到这是一个终点是很自然的。对我而言,这是一盏主要指路明灯的失去,但我在推进过程中所看到的令我如此惊叹,以至于我相信,这是整个科学中某种远为宏大之物的一次黎明。”

验证问题——即核查他人的工作需要什么——是我们花费大量时间思考的问题。Alpöge 以 Lean 发布了他提出的证明。Lean 是一种编程语言,能让计算机检查每一个逻辑步骤。但即便你能检查 Dan 那份 10 亿页证明的每一步,你仍面临让这一切变得可理解的任务——他说这项任务需要“一支由数学家和计算机科学家组成的大军”,并且要耗费非常长的时间。(至少,这算是不错的就业保障。)

a16z Frontier 研究员、计算机科学家 Ittai Abraham (也是 Decentralized Thoughts 博客的幕后人物)认为,数学有两条前沿。第一条标志着发现所及的范围。第二条标志着人类对已发现内容的理解程度。

Abraham 指向数学家 William Thurston 1994 年的一篇文章 ,该文认为数学是一项社会性追求,其进步不能仅以定理的绝对数量来衡量。“我们正在生产的是人类的理解,”Thurston 写道。在他看来,解释想法、质疑论证、帮助他人理解,是数学追求的核心。

这正是 Moore 打开那瓶干邑的条件:与同伴一起理解这份证明。OpenAI 发布一周后,Sang-hyun Kim 和 Yash Lodha 发布了 同一证明的简化阐述 。他们的论文并未声称有新发现,但为其他数学家更清楚地解释了该结果为何为真,以及其推理如何能在别处使用。

我们的 a16z Frontier 研究同事、 Scott Duke Kominers 是哈佛商学院教授,也是一位公开的数学(以及 谜题 !)狂热爱好者,他深知 Moore 把那瓶干邑留到此刻所要享受的乐趣。Kominers 说, AI 帮助他解决了一个问题 ,而他自大约 2007 年起就一直在反复回到这个问题上。当他把这一结果写信告诉那些他多年来一直关注其工作、却从未谋面的数学家时,对方回信时满是欣喜。按照 Scott 的说法,没有人因为使用了任何工具才抵达那里,而减少了兴奋。Scott 现在设想,研究者可以利用 AI 构建一整套数学体系。(他去年也较早地 写过这一趋势 。)他认为,随着工具变得更强大,我们的抱负也应随之增长。

数学家 Frank Vallentin 在一篇 近期论文 末尾的 AI 披露中,描述了这种合作带来的乐趣。多年来,他一直随身带着一份与某个问题相关的磨损复印件,而这个问题自他学生时代起就令他着迷。想象一种被称为 lattice 的重复点模式,每个点上都以相同半径为中心放置一个球。这些球能否覆盖整个空间,还是某处存在空隙?给定 lattice 和半径,Vallentin 想知道,随着维度数量增加,计算机回答这个问题有多难。

9 月的一个周日,一个 AI 模型为另一个关于 lattice 的问题找到了一套论证。Vallentin 想知道,同一套论证是否也能用在他珍视已久的那个问题上。经过一番来回推敲,他发现确实可以。由此得到的证明精确刻画了覆盖问题究竟有多难。Vallentin 简化了证明,觉得它很美,并为它的正确性承担责任,尽管他不确定该如何分配功劳。不过,他写道,能成为“证明的信使”,他已经很高兴。

那么,这对一个立志成为数学家的人意味着什么?还会有什么事情留给他们去做吗?

我们的研究者认为,前方仍有大量工作:吸收、提炼并扩展新结果,向他人解释这些结果,并推进人类的理解。Boneh 对此有一个绝妙的比喻:他 把 AI 想象成一棵巨大的树 ,落下多汁的果实,供我们检视和享用。

对于希望自己做出发现的人来说,这听起来或许只是冷冰冰的安慰。但这些工具也提供了一个机会,让人去尝试曾经遥不可及的工作——正如 Kominers 所设想的那样,构建全新的数学体系。或者如 Alpöge 所写:“我希望这一论证能让人瞥见前方的奇迹,并向我们展示,我们即将在最简单的事物中发现的喜悦与惊奇。”

如今正在工作和学习的人,也将有机会决定哪些问题从一开始就值得投入全部努力。 Justin Thaler 是 a16z Frontier 的研究合伙人,也是乔治城大学计算机科学系副教授,并在乔治城教授计算机科学。他指出,无论机器变得多么强大,人们仍会希望自己做出判断。要做出好的决策,你必须了解数学并理解其后果,尤其是在构建他人将会信任的系统时。在密码学中,关于哪些问题将继续难以求解的判断,已经在影响 保护互联网免受量子计算机威胁的计划 。

数学家们花了很长时间,试图击中困难的目标。未来还会有更多移动更快、距离更远的目标。让我们欢迎更准的瞄准。

Disclaimer: This article is copyrighted by the original author and does not represent MyToken’s views and positions. If you have any questions regarding content or copyright, please contact us.(www.mytokencap.com)contact
More exciting content is available on
X(https://x.com/MyTokencap)
or join the community to learn more:MyToken-English Telegram Group
(https://t.me/mytokenGroup)