The Edge of Mathematics

傳奇數(shù)學(xué)家陶哲軒闡釋生成式人工智能的前景。

作者：馬特奧·王 (Matteo Wong)

插圖：《大西洋月刊》繪制。圖片來源：Kimberly White / Getty Images

2026年2月24日

在過去的幾個月里，幾位研究人員開始提出一個相同的挑釁性主張：他們利用生成式人工智能工具解決了一個此前未解的數(shù)學(xué)難題。

那些最極端的承諾——即人工智能輔助解決數(shù)學(xué)界一些最棘手的問題——很可能最終被證明是空洞的炒作。但是，許多由人工智能撰寫的解答（盡管針對的是遠(yuǎn)沒那么受贊譽(yù)的問題）已經(jīng)通過了驗證。這些答案針對的是“埃爾德什問題”（Erd?s Problems）中的一部分——這是由匈牙利數(shù)學(xué)家保羅·埃爾德什（Paul Erd?s）提出的1000多個數(shù)學(xué)問題——是利用包括ChatGPT在內(nèi)的生成式人工智能模型寫成的。OpenAI迅速宣布了一場勝利：“GPT-5.2 Pro解決了另一個開放的埃爾德什問題，”O(jiān)penAI總裁格雷格·布羅克曼（Greg Brockman）于一月份在X平臺上發(fā)帖稱，“這將是數(shù)學(xué)和科學(xué)進(jìn)步狂野的一年！”

圍繞這一新聞的大部分興奮之情，源于這些人工智能所寫證明的裁決者：陶哲軒。他是加州大學(xué)洛杉磯分校（UCLA）的教授，被廣泛認(rèn)為是當(dāng)今世界上最偉大的在世數(shù)學(xué)家。他的認(rèn)可似乎賦予了生成式人工智能最大的承諾以合法性——即推動人類知識和文明的邊界。當(dāng)我本月早些時候致電陶哲軒，詢問他對人工智能能為數(shù)學(xué)帶來什么的看法時，他的態(tài)度更為溫和。他告訴我，人工智能生成的埃爾德什問題解答令人印象深刻，但并非壓倒性的：陶哲軒表示，這些機(jī)器人實際上只是取得了一些“廉價的勝利”。

陶哲軒長期以來對人工智能工具能為他的領(lǐng)域做些什么感到好奇，但也持保留態(tài)度。我們在2024年秋季第一次交談時，陶哲軒將聊天機(jī)器人比作“平庸但并非完全無能”的研究生。大約六個月后，他告訴我，這些模型在“某些類型的高層數(shù)學(xué)推理”方面有所進(jìn)步，但缺乏創(chuàng)造力且會犯細(xì)微的錯誤。但在我們最近的談話中，他的態(tài)度更加樂觀。人工智能或許尚未處于解決世界上所有偉大數(shù)學(xué)問題的邊緣，但聊天機(jī)器人已經(jīng)達(dá)到了可以與人類數(shù)學(xué)家協(xié)作的水平。他說，在這個過程中，這項技術(shù)正在開辟一種不同的“做數(shù)學(xué)的方式”。

本次對話經(jīng)過編輯，以求簡練清晰。

馬特奧·王： 最近，關(guān)于ChatGPT解決某些埃爾德什問題的能力引起了極大轟動。在過去一年左右的時間里，您看到生成式人工智能的數(shù)學(xué)能力是如何演變的？

陶哲軒： 有一大群人非常、非常希望看到人工智能的成功故事。與此同時，也有另一群截然相反的人想要抹殺所有人工智能的進(jìn)展。而事實介于兩者之間，是一個非常復(fù)雜且微妙的故事。

特別是在這些埃爾德什問題中，有一小部分是我們要真正解決的高知名度問題，然后還有長長的尾部，由非常冷僻的問題組成。人工智能非常擅長系統(tǒng)地探索這個長尾部分，并攻克其中最簡單的問題。但這與人類的風(fēng)格截然不同。人類不會系統(tǒng)地瀏覽所有1000個問題并挑選出最簡單的12個來研究，而這正是人工智能正在做的事情。

這些問題之間確實存在著巨大的難度差異。看看迄今為止人工智能獨(dú)立解決的問題，你會發(fā)現(xiàn)：哦，好吧，它們使用的是一種標(biāo)準(zhǔn)技術(shù)。如果一位專家花半天時間研究此事，也能解決出來。當(dāng)然也有更復(fù)雜的、由人工智能輔助的解決方案。我認(rèn)為在短期內(nèi)，我們將通過純?nèi)斯ぶ悄芊椒ㄔ诤唵螁栴}上獲得許多快速勝利。而在接下來的幾個月里，我認(rèn)為我們將看到各種形式的人機(jī)混合貢獻(xiàn)。

我也從出現(xiàn)的一些證明中學(xué)習(xí)。我喜歡閱讀它們——也許它使用了某篇1960年論文中的技巧，而我之前并不知曉。所以它可能不是超級、超級有創(chuàng)造力，但它是新的，并且能做到那些審視該問題的人類專家所忽略的事情。

王： 您曾寫道，當(dāng)人類數(shù)學(xué)家面對一個新問題時，無論成功與否，他們都會產(chǎn)生見解供該領(lǐng)域的其他人構(gòu)建基礎(chǔ)——這是基于人工智能的證明所無法提供的。為什么會這樣？

陶哲軒： 這些問題就像是你需要徒步前往的遙遠(yuǎn)地點(diǎn)。在過去，你必須踏上一段旅程。你可以放下路標(biāo)供他人跟隨，也可以繪制地圖。

人工智能工具就像是用直升機(jī)把你直接空降到目的地。你錯過了旅程本身的所有益處。你直接到達(dá)了終點(diǎn)，而這實際上只是解決這些問題價值的一部分。

王： 當(dāng)您思考當(dāng)今這些模型的能力時，除了讓非數(shù)學(xué)家能夠處理更高級的問題外，它們還能為您的領(lǐng)域做出什么貢獻(xiàn)？

陶哲軒： 如今有很多非常乏味的數(shù)學(xué)工作是我們不喜歡做的，所以我們尋找巧妙的方法來繞過它們。但人工智能會很樂意猛沖通過這些繁瑣的計算。當(dāng)我們把人工智能整合到人類的工作流程中時，我們就可以滑過這些障礙。

我還認(rèn)為數(shù)學(xué)家將開始在更大的規(guī)模上進(jìn)行數(shù)學(xué)研究。想想科學(xué)研究中個案研究與人口調(diào)查之間的區(qū)別。如果你要在18世紀(jì)研究一種疾病，如果這是一種罕見病，你可能會研究一位患有此病的病人，記錄其所有癥狀并做詳盡的筆記。但在21世紀(jì)，你可以進(jìn)行臨床試驗，給1000人用藥，進(jìn)行統(tǒng)計分析，從而獲得關(guān)于藥物效率更精確的信息。

數(shù)學(xué)仍然很大程度上處于個案研究的水平。一篇論文會選取一兩個問題，以一種非常手工打造、高強(qiáng)度的方式對其進(jìn)行透徹研究。這是我們的風(fēng)格。但人工智能工具實現(xiàn)的是“群體研究”。

王： 您對人工智能模型在數(shù)學(xué)能力方面取得的進(jìn)步感到驚訝嗎？

陶哲軒： 有一點(diǎn)驚訝。發(fā)生的很多事情是我預(yù)料到的，但它們比我預(yù)期的時間表稍微提前了一點(diǎn)。并沒有提前太多。

例如，在2023年，我為微軟寫了一篇文章，預(yù)測到2026年，人工智能將成為值得信賴的合著者——即其對技術(shù)論文的貢獻(xiàn)將達(dá)到合著者的水平。那篇文章反響不一：有人說我太過雄心勃勃，也有人說我太過悲觀。但我認(rèn)為這基本上幾乎完全符合時間表。我們基本上看到人工智能的使用水平達(dá)到了我預(yù)期初級人類合著者所能做出的貢獻(xiàn)，尤其是那些非常樂意做苦差事并解決大量繁瑣案例的合著者。

王： 在未來一兩年內(nèi)，您希望或期待生成式人工智能模型有哪些改進(jìn)？

陶哲軒： 我們需要找到一個中間地帶，既鼓勵負(fù)責(zé)任地使用人工智能，又阻止不負(fù)責(zé)任的使用。這是一條需要小心行走的界線。但我們以前做到過。數(shù)學(xué)家經(jīng)常使用計算機(jī)進(jìn)行數(shù)值工作，當(dāng)計算機(jī)輔助證明首次出現(xiàn)時，最初遭到了很多反對，因為人們質(zhì)疑如何信任計算機(jī)代碼？但我們在20或30年里解決了這個問題。不幸的是，現(xiàn)在的時間表被大大壓縮了。所以我們必須在幾年內(nèi)制定出我們的標(biāo)準(zhǔn)。而我們的社區(qū)通常不會移動得那么快。

有一件非?；镜氖虑榭梢詭椭鷶?shù)學(xué)社區(qū)：當(dāng)人工智能給你一個問題的答案時，通常它不會很好地表明它對這個答案有多大的把握，或者它總是會說：“我完全確定這是真的?！比祟愐矔@樣做。無論他們對某事是否有信心，這都是非常重要的信息。暫時提出一些你不確定的事情是可以的，但重要的是要標(biāo)記出你對此不確定。然而，人工智能工具并不能準(zhǔn)確地評估它們自己的置信度。這降低了它們的有用性。我們會更欣賞誠實的人工智能。

此外，許多人工智能公司癡迷于“一鍵式”、完全自主的工作流程：你把任務(wù)交給人工智能，然后你去喝杯咖啡，回來時問題就解決了。這實際上并不理想。對于困難的問題，你真正想要的是人類與人工智能之間的對話。而人工智能公司并沒有真正促進(jìn)這種互動。

如果我們能與至少一些愿意開發(fā)更多互動平臺的技術(shù)公司合作，那將會更容易被人們所接受。我們不想淪為只是按按鈕的角色。

說明：本號刊發(fā)來自各方的文章，是為了獲得更全面的信息，不代表本號支持文章中的觀點(diǎn)。由于微信公眾號每天只能推送一次，本站目前在騰訊新聞發(fā)布最新的文章，每天24小時不間斷更新，請在騰訊新聞中搜索“邸鈔”，或在瀏覽器中點(diǎn)擊：

https://news.qq.com/omn/author/8QIf3nxc64AYuDfe4wc%3D