最近OpenAI、Anthropic搞定的那些出名数学难题,不是让AI凭空悟出一套新数学,它不是“新高斯”。
你可以这么理解:
人类数学家手里已经有一大箱子工具——各种不等式、变换、造图的办法、算上下限的套路,几十年论文攒下来的。
以前大家卡在一件事上:明明工具都有,但不知道怎么拼在一起,或者不知道该造出一个什么样的奇怪东西才能满足条件。
这些题,长得都很像,基本就三类:
1. 最多能多大、最少能多小?
比如:在满足一堆规则的前提下,这个集合最多能有多少个点?这个误差最低能压到多少?
人类只能慢慢试几个好看、对称的结构(网格、整齐图形),试不出来就卡住。AI不怕丑,它愿意瞎凑一堆歪歪扭扭、看起来很怪的结构,刚好满足条件,直接刷新记录。
2. 到底有没有这么一个东西?
比如:能不能造出一个同时满足A、B、C、D四条很苛刻条件的对象?
这就是找“特殊构造”或者找反例。对它来说,就是在规则里疯狂试样品,试到一个符合全部要求的就完事。
3. 能不能把这个估计再收紧一点?
比如某个数我们只知道它大于40%,能不能证明它其实大于67%?
里面全是一串一串枯燥的不等式推导,一步错全盘崩。人类写长链很容易累、粗心出错。AI不怕这种枯燥的长推导,还能一步一步机器核验对错。
那AI到底干了啥?
不是顿悟真理。它干三件人类最不擅长的苦活:
1. 疯狂排列组合现成工具
人类看论文有盲区,习惯固定思路。AI会把老办法打乱混搭:把A领域的一个小技巧,硬拿去试B猜想,很多惊喜就是这么撞出来的。
2. 不怕麻烦,补几万步无聊的中间推导
很多猜想卡壳,不是缺一个惊天大招,而是中间有成千上万条琐碎小证明,人写着写着就崩了。AI可以一口气补完,还自带查重纠错。
3. 没有审美包袱
数学家天然喜欢漂亮、对称、规整的东西。AI不在乎好不好看,它可以掏出一个奇奇怪怪、毫无美感的构造——而这个丑东西,恰恰就是答案。
反过来:哪些题它现在基本搞不定?
如果这个问题,连工具箱都还没有,需要人先发明全新概念、全新看问题的角度,它就不行。
好比:还没有锤子、钉子的时候,你没法让它去拼家具。
代数几何里很多这种题,需要很强的几何直觉、自己造新框架,它就很难出彩。
一句话浓缩
这些题,都是“材料齐全,但是拼法难找”的难题。AI就是一个不怕枯燥、审美奇葩、能同时试亿万种拼装方案的超级试工,帮人类找到了本来就藏在现有数学工具里、只是没人试出来的那条路。