全球顶尖数学家对人工智能的见解与观点

单丁鹤纷

世界最顶尖的数学家，怎么看AI



这两天，我看到了一个访谈，看完之后想了很久。
采访对象是陶哲轩。如果你不太了解数学圈，可能对这个名字有点陌生。简单说，他就是那种其他顶尖数学家遇到搞不定的难题，第一个想到要去问的人。他拿过菲尔兹奖——数学界的诺贝尔奖，而且研究横跨十几个不同的数学领域，这在数学界几乎是不可能的事。
这样一个人，最近越来越频繁地谈论AI。
不是泛泛地说"AI很厉害"或者"AI要改变世界"，而是非常具体地谈：AI正在改变科学本身的运作方式，改变我们对"什么是难、什么是易"的基本判断，甚至改变他自己每天做数学的方式。
他在访谈里讲了一个故事，作为理解AI与科学关系的起点。
故事的主角，是400年前的天文学家开普勒。
开普勒是发现行星运动规律的人，这个你可能在中学课本里见过。但他是怎么发现的，教科书基本不讲。
说实话，过程相当狼狈。
开普勒年轻的时候，脑子里有一套"完美理论"，觉得自己发现了太阳系的终极奥秘，激动地写成书、广而告之。结果，这套理论是错的。
然后他花了超过20年，靠着一位丹麦天文学家积累的海量观测数据，不停地试、不停地算、不停地推翻自己——就这么死磕，才最终撞出了那三条行星运动定律。这三条定律，后来成了牛顿发现万有引力的基石。
陶哲轩讲完这个故事，主持人抛出了一个类比，陶哲轩听完笑了，说"对，就是这样"——
"开普勒当年做的事，和今天的AI高度相似：靠着大量数据，不停地随机尝试，直到撞出真正有效的规律。他是历史上第一个用AI方式做科学的人。"
他在访谈里说的几个判断，让我想了很久。
01 科学最贵的东西，现在不值钱了
科学研究是怎么推进的？
大多数人脑子里的画面是：某个天才坐在那里苦苦思索，突然灵光一闪，提出了一个改变世界的假设。
但陶哲轩说，科学进步其实涉及十几个不同的环节——发现问题、收集数据、提出假设、设计实验、验证结果、写论文、说服同行……我们习惯崇拜的"灵光一闪"，只是其中一个环节而已。
而这个环节，正在被AI彻底改变。
"AI基本上已经把提出想法的成本降到了接近零，"陶哲轩说，"就像当年互联网把通信成本降到接近零一样。"
这话听起来是好事。但他紧接着说：互联网把写信的成本降到零，结果呢？垃圾邮件跟着来了，注意力反而更稀缺了。
AI把"提出想法"的成本降到零，也是一样的道理。
现在的情况是：任何一个科学问题，AI都能在短时间内生成成百上千个假设和方向。这些假设里，有的是真正有价值的线索，有的是毫无意义的噪音，但光凭肉眼根本分不清楚。
于是，瓶颈就从"想法不够"，变成了"没人能验证"。
陶哲轩指出，很多学术期刊现在已经被AI生成的论文投稿淹没了，审稿人根本审不过来。以前的科学界有一套"过滤系统"——同行评审、发表门槛——是用来筛掉低质量想法的。但这套系统是按照"人类生产速度"设计的，完全没料到有一天想法的产量会暴增几百倍。
这是一个真实存在的危机，而且现在还没有好的解决方案。
02 那台会跳但不会爬的机器
那AI到底能做到什么程度？
陶哲轩用了一个比喻，我觉得是整个访谈里最好的一段话。
想象你身处一片黑暗的山脉。山脉里到处是高低不一的石墙——有半人高的，有两三米高的，也有根本看不到顶的悬崖。你的任务是爬过尽可能多的墙，但因为天黑，你根本不知道哪堵墙高、哪堵墙矮。
人类的做法是：先摸清楚这堵墙，在墙上找到一个突起，踩上去，再往上找下一个着力点，一点一点地往上爬。爬不上去就换一堵。爬上去之后，还能在墙上留下记号，让后来的人踩着你的脚印继续往上。
AI的做法完全不一样——它像一台弹跳机器，能跳两米高，比任何人跳得都高。它在这片山脉里到处乱跳，有时候跳错了方向，有时候落地摔跤，但有时候，它确实能一跃跳上那些人类够不着的矮墙顶端。
听起来很厉害，对吧？
但问题在于：它只会跳，不会爬。
要么成功，要么失败，没有中间状态。它跳了一百次没跳上去，也没有任何"进展"——不会留下脚印，不会发现"这里有个突起可以踩"，下一次还是从零开始跳。
陶哲轩用这个比喻，解释了一件听起来有点矛盾的事——
过去几个月，AI程序解决了一批数十年无人攻克的数学难题，听起来非常震撼。但他说，如果你系统地测试一下，把同样的难题交给AI，它的成功率大概只有1%到2%。
那为什么感觉AI解决了好多题？
因为幸存者偏差。那些成功的案例被发到社交媒体上广泛传播，但那些AI试了一遍又一遍、什么都没解出来的，没有人去统计、没有人去说。
"它之所以看起来成果丰硕，是因为它能同时去跳成千上万堵墙，"陶哲轩说，"只要基数够大，哪怕成功率只有1%，也能挑出一批成功案例。"
这不是在否定AI的价值。恰恰相反——这种"广撒网"的能力，是人类完全没有的。一个再厉害的数学家，一辈子也只能深耕几个方向；AI可以同时在一千个方向上乱跳，光靠规模就能产出人类做不到的结果。
但"会跳不会爬"这件事，也是AI目前最真实的局限。那些需要一步一步积累、需要从失败里提炼出中间进展的问题，AI现在还真的做不到。
03 连他自己也变了
说到这里，我觉得最有意思的部分来了。
陶哲轩在访谈里聊到了自己的变化。
他说，他现在的论文和以前不一样了。以前一篇论文就是密密麻麻的推导和文字，现在里面多了很多图表、代码、数值计算，文献综述也做得更深更广。
这些事以前不是不想做，是太花时间了——画一张图可能要花好几个小时，深挖一次文献可能要花好几天。所以他干脆不做，就用文字描述带过。
现在有了AI，这些"费时间但不费脑子"的事，几分钟就能搞定。论文因此变得更丰富、更完整，读者也更容易看懂。
但他说了一句让我印象深刻的话：
"AI让我的论文变得更宽广了，但不一定更深刻。"
最核心的那部分——真正困难的数学突破，那个需要坐下来盯着一个问题反复思考、在脑子里建立直觉的过程——他还是用纸和笔。
AI帮他把括号格式整理好，帮他在几分钟内画出以前要花好几个小时的数值图，帮他做深度的文献梳理。但那个真正的"想明白"，还是他自己的事。
他在访谈最后说了一句话，我觉得值得所有人听一听——
不只是数学家，而是所有人。
"十年之内，数学家今天花大量时间做的很多事，AI都能完成。但到那个时候，我们会发现，那其实不是我们工作中最重要的部分。"
这句话，我反复想了好几遍。
我们现在觉得自己在做的事情，有多少是真正重要的，有多少只是因为没有更好的工具、不得不由我们来做？
也许AI带来的最大改变，不是抢走我们的工作，而是逼着我们想清楚——我们做的事情里，什么才是真正值得做的。