数学,长期以来被认为是人类纯粹智慧的堡垒,现在正开始感受到人工智能的影响。与AI在其他学科中的转变不同,它对数学的影响迄今为止还很微妙。
在其核心,纯数学是一项充满创造力和直觉的人类活动。AI的任务是检查计算、验证证明和执行其他需要绝对准确和努力的任务,让数学家们专注于真正的原创性思维。
数学,长期以来被认为是人类纯粹智慧的堡垒,现在正开始感受到人工智能的影响。与AI在其他学科中的转变不同,它对数学的影响迄今为止还很微妙。
在其核心,纯数学是一项充满创造力和直觉的人类活动。AI的任务是检查计算、验证证明和执行其他需要绝对准确和努力的任务,让数学家们专注于真正的原创性思维。
AI驱动的聊天机器人已经展示了非凡的能力。Harmonista的Aristotle、OpenAI的GPT模型以及谷歌DeepMind的Gemini在国际数学奥林匹克竞赛中取得了金牌级别的成绩。
关键挑战
赢得IMO奖牌标志着重要里程碑,因为解决这些问题需要超越常规模式的创造力。然而,研究层面的数学是创新的,新思想至关重要,这引发了关于AI在数学发现中潜在作用的问题。
包括自然语言、探索性实验和探索性猜想的非正式数学思想
通过Lean、Coq、Isabelle等工具,将非正式数学转化为机器可读格式
证明搜索、检测不一致性、填补证明漏洞,增强人类数学家的能力
自主系统以前所未有的规模发现、证明和概括定理
目前有越来越多的数学家团体在共同努力,将形式化工具变为现实:
人工智能数学探索项目
让AI共同作者提出并证明新的抽象概念
联合研讨会
利用AI推进形式化证明和猜想
AI证明定理研讨会
动员形式化方法团队扩展知识前沿
大证明会议
策划研究级挑战问题清单
为促进AI与数学的深度融合,我们提出了一个全面的发展路线图
扩展形式化定理的努力,将证明转化为机器可读的格式,建立完整的数学知识库
AI必须继续发展大型语言模型,用于数学推理,将重点从语法转向语义理解
培训数学家有效使用这些工具,包括提示工程、模型微调和工作流策划
精确度要求
模型必须在精确度和准确性方面无懈可击,才能让数学家相信AI检测到的并非幻觉
新兴行为研究
研究LLM和AI系统的复杂新兴行为,确定它们是否能够产生正确的证明
可验证性问题
在黑洞物理学等领域,极其漫长的证明阻碍了可验证性
使用强化学习加速矩阵乘法的发现
结合语言模型与符号推理优化排序算法
解决蛋白质折叠问题,展示AI在复杂科学问题中的潜力
解决形式化奥林匹克几何问题
AI的整合将把数学实践从一个利基活动转变为一个核心组成部分,对数学研究产生深远影响。
我们预计所有数学家都将连接到一个共享的数学知识库,在那里提交和测试新思想——新猜想、证明草图和不完整的证明。这种发展可以显著促进合作和质量控制。
AI助手将通过改进生产力、管理繁琐的证明和激发新思想来变得不可或缺。精确性检查、事实检查和错误纠正,将加强并导致需要较少日常性任务的工作流程,并奖励需要更多创造力和洞察力的工作。
为量子引力和量子信息论等激进思想提供新途径
解决极其漫长证明的可验证性问题
关键问题是AI是否会发展出在数学中做出重大发现所必需的创造力。尽管正在进行的投资已经产生了令人印象深刻的结果,但我们认为在先进的纯数学领域,AI的改进将需要侧重于磨练现有技能。
我们推测AI系统在解决深层问题方面可能会带来新方法的发现,涉及分析、代数几何、组合数论、拓扑学等领域,这些可能会彻底改变我们对空间、对称性和万物理论的理解。
我们想象AI最终将解决物理学和数学中的主要悬而未决的问题,例如黎曼猜想或纳维-斯托克斯方程存在性与光滑性的证明。这些深层问题经受住了一切时间的考验,任何解决方案都需要人类直觉、创造力和独创性的微妙结合。
今天,Lean和mathlib包含了数以万计的定义和引理,并在从拓扑学到数论的许多领域中形式化了主要定理。
Peter Scholze协调的雄心勃勃的努力,展示了形式化工具在最抽象的数学领域中的潜力
Lean已被整合到平台中,为一系列数学分支自动生成问题
将形式化方法与能够提供全面理论问题的系统相结合将是高效的——这些问题侧重于计算模型、算法、范畴论、表示论、组合博弈论和随机方法等核心组件。AI可以提供计算证据和排名,以帮助学者理解复杂的现象。
AI仍然是人造物,就像人类一样,我们认为它将永远如此。
AI必须让我们想起我们是多么健忘或不自信的学生:
最终,数学仍然依赖于人类的判断力
剩下的问题避免了成功,并引发了关于AI生成的结果在确保正确性方面的问题。尽管重大突破令人印象深刻,但只有当建立的想法能够适应新场景时,它才能引领我们取得突破。