人工智能这回事儿, 眼看就要把又一千年数学难题拿下。所以呢, 全世界的科研圈子里那些搞研究的人, 神经全都绷得紧紧的。

近期传出的核心进展

霍奇猜想攻坚的最新动态

在9月17日到晚上这段时间, 有知情人说出来, 说那个相关的搞人工智能的团队, 离着彻底搞定霍奇猜想这个事儿特别近, 这本来是千禧年大奖难题里面的一个。
要知道, 这个团队往前头不远的时候, 才刚对外讲他们把纳维-斯托克斯存在性与光滑性问题给解决明白了, 当时把那数学界的人都弄得一团热闹, 大伙儿都在在那儿议论纷纷。

霍奇猜想聚焦在由多项式方程定义的几何形状上, 目的是验证特定的几何特征能不能用更简单的代数结构来描 述。目前的团队还在纠结发布的各种形式, 打算和数学界进行非常深度的协作。这样做是为了避免出现以前发布相关成果时曾经引发的公关上的争议问题。

前期纳维-斯托克斯项目投入

为了攻克纳维-斯托克斯问题, 相关团队一共花掉了数百万美元的研发经费。在这个项目里面, 大家用到了一个叫做Doug的内部代号, 这个代号指的是一种下一代预训练模型的变体。它的性能表现远远比之前在公开的所谓GPT-6 Astra版本要厉害得多。

在当地时间9月8日这一天, 这个团队对外公布了内部还没有向社会公开的AI模型成功解决了纳维-斯托克斯问题这桩事。
纳维 – 斯托克斯问题是克莱数学研究所在2000年的时候公布的七道千禧年大奖难题当中的一道, 在这之前全球范围内的数学家们已经钻研了二十多年时间, 但是始终没能找到能够被大家公认定的解决方案。

数学成AI新试验场的底层逻辑

数学与软件工程的共通性

很多搞人工智能研究的人觉得, 在软件工程这一关过去之后, 数学就是给大模型准备的另一个最合适去试一试的项目。为什么呢? 因为在这两件大的事情上, 人们都非常看重一步一步进行的逻辑推理这个过程。最后推导出来的那些答案怎么样是对, 怎么是错, 还可以依靠早已定好的规则让软件自动去核查完毕。

在过去的一年中, 自动化进程已经在软件工程领域全面铺开, 相关人员预计未来的6到9个月期间, 同样的自动化浪潮也会在数学研究领域落地生根。大型语言模型能够快速完成繁重的基础推导环节这一事情, 能够帮助减少科研人员从事的那些重复性劳动量。

递归自我改进的关键路径

攻克高难度的数学问题, 反过来能推动机器学习研究实现自动化。因为机器学习整个流程都离不开各类数学工具来支撑, 所以数学研究自动化是AI自主开发AI的核心前置条件。

这种能力就是行业内常说的递归式自我改进, 能让AI模型无需过多人工介入, 就能自主迭代优化自身性能。这也是当前头部AI厂商全力攻坚数学难题的核心目标之一。

模型能力的验证标尺作用

推理能力的直观检验方式

让目前最先进的机器智能模型去解决那些还没被人弄明白的高难度科学问题, 能够帮助搞研究的人准确摸清楚这些工具现在到底发展到了什么地步。特别是那种需要把很多步骤串起来才能想通的逻辑思维极限所在, 光是拿普通的考题来测是完全没法弄清楚底细的。

要是这个模型能够稳定地拿下纳维-斯托克斯问题和霍奇猜想你这样的级别的难题, 那就能够证明它具备处理相同复杂度的跨领域问题的底层能力。这种结果比在那些普通的数据集上面跑出高分，更具有实际上的参考价值。

跨领域应用的潜在价值

能够搞定那种级别特别高、难度特别大的数学难题的大模型, 在以后可以很快就把本事移植到像生物学还有化学之类的科学研究里面去。这些领域里面一样存在很多需要靠非常复杂的逻辑推理才能解决、而且至今还没有办法解决的艰难题目。这些东西从前因为算得不够快、处理效率跟不上, 所以一直卡在那儿, 没法取得进展。

比如对蛋白质折叠的深层机制进行解析, 还有新材料的分 子结构进行设计这种场景, 都能够凭借这类具备强推理能力的大模型来获得速度的提升。许多在科研领域卡了特别久的问题, 可能会在经过人工智能介入之后的短时间内被发现出新的解决方向。

发布节奏的谨慎考量

避免公关危机的调整思路

此前, 关于纳维-斯托克斯问题的相关发布内容, 因为并没有经过整个数学界规范的同行评议程序, 所以引来了很多的争议和讨论, 这次的团队组织准备先行与顶尖的数学家群体进行深入沟通活动, 目的是为了去梳理出一份完整的验证流程出来。

他们不会第一时间去直接公布全部的做法, 而是会先和克莱数学研究所在内的专业机构进行对接, 好搞清楚什么样的发布形式才符合作为标准的学术要求。这样能够尽量把那种因为信息掌握得不一样而导致的不必要的误解给压到最低。

数学界协作的可行方向

往后, 该团队也许会邀约一些资深的数学家加入进去, 从而对相关的成果进行核验操作。并且, 还会逐步地公开一些推导过程中的关键环节内容。这样一来, 便能够让整个验证的过程变得完全透明。这也是为了贴合传统数学界里那种常规的学术评审习惯模式。

这个协作的方面, 也能够使得数学这一群体, 去更好地明白人工智能, 所进行的推导的那一层逻辑, 然后找到人类和人工智能, 一起在数学的研究里头, 能够互补的协作办法, 从而把过去, 人工智能和传统数学圈子之间, 存在的那样一种隔阂, 给打破了。

行业后续的发展预判

千禧年难题攻坚的后续节奏

目前, 团队内部的各位员工普遍都这么认为, 觉得霍奇猜想这个东西在不久的以后就能把正式验证的活儿给干完。至于那剩下的几道千禧年大奖难题呢, 也已经已经被好多的那个叫AI的团队给划入到自己的后续要去攻克的这种清单里面去了。

基于现阶段的开发更新频次, 在将来大约两年到三年的时间窗口之内, 人类极有可能借助人工智能系统陆续解决若干道著名的千禧年数学问题, 这样的发展态势最终会导致基础数学界原本惯用的科学研究方法与工作流程发生根本性的改变。

相关技术落地的推进速度

数学领域的自动化工具, 会先在高校以及科研院所之中得到逐步的普及和帮助作用于数学研究者, 去快速地验证各种猜想在初步阶段的这种可能性情况, 在后续的阶段里, 它还会继续向下延伸和渗透进入到了中小学教育体系内以及高等教育的数学教学具体的应用场景之中。

普通的学习者也能够利用这样的具备强大推理能力的 AI 工具, 来获得量身定制的、一步接一步步引导其形成的数学思维方法。这就能够在很大程度上把进入高端数学研究领域的门槛大幅度降低掉了。

现存的争议和待解问题

不少传统数学家对AI得出的数学证明仍有疑虑，认为部分推导环节无法用人类能理解的纯数学逻辑完全复现。这种黑箱属性可能会动摇数学学科的严谨性根基。

也存在一种看法觉得人工智能仅仅是达成了正确的答案, 可是没有把隐藏在答案后面的数学规律给解释清楚, 以至于没法在未来的研究工作里给予充分的开导和启发作用, 并且这些争论情形会随着人工智能在数学领域产出的研究成果越来越多而一直不断地继续发展下去。

你认为, 人工智能这个事物, 如果能抢先去解决那些最难的高端数学题目, 这种做法会给科学研究的大圈子, 带来哪些最显而易见的影响和变化。麻烦你在下面的评论地方, 写上你个人的观点和想法, 或者动动手指点个赞, 把这个内容转发给身边那些关心智能技术发展动向的朋友。