陶哲轩警告AI解题可能阻碍数学发展
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载AI速解掩盖试错过程
陶哲轩提出，人工智能在数学研究中快速给出答案，可能对学科发展形成阻碍。他关注的核心不在于机器能否解题，而在于解题过程被封装成黑盒，使研究者看不到中间尝试、错误路径与反复调整。数学推进往往依赖对失败方案的排查与修正，若最终答案直接呈现，这些可供学习的痕迹就被抹去。他还指出，迭代者在探索时最好不提前知道最终正确的拟设，否则容易跳过必要的试错环节。运行这类人工智能的公司将解题过程置于公众视野之外，进一步加剧了这种担忧。
孪生素数间距再缩小
GPT-6 Astra发布后，在孪生素数猜想方向取得新进展：借助Lean形式化证明，把连续素数间距的上界从246推进到186。这一方向此前已有积累——张益唐证明存在无穷多对间距不超过7000万的连续素数；James Maynard因缩小该间距上界获得2022年菲尔兹奖；后续团队基于Maynard方法将间隔缩到246，并推测还有下压空间。此次进展把上界进一步压到186，延续了同一方法脉络下的数值改进。
纳维-斯托克斯的警示
陶哲轩以纳维-斯托克斯方程全局正则性问题为例说明上述危机。该问题历史上产生过Leray–Hopf弱解等基础成果；他本人因试图解决它，把流体计算、图灵普适性与辛拓扑联系起来。数学家逐渐形成共识，认为该问题的答案很可能是否定的。明确的策略包含四步：设计近似自相似拟设、求数值近似解、证明稳定性、验证残差。陶哲轩设想，AI Harness在巨量算力下可在内部完成整个迭代过程。但他也指出，计算流体力学已足够成熟，即便该问题被解决，也不会改变天气预报的方式。
为什么值得看
AI解题可能改变数学研究本质，影响开放性问题的探索价值
信源1 家
关键事实
相关 · 观点
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。