陶哲轩在加州理工学院演讲《Math 2.0》:数学正从证明稀缺走向证明富足
陶哲轩公开了在加州理工学院举行的演讲《Math 2.0》,回顾数学1.0以证明稀缺为前提的研究模式,并讨论AI对数学研究的冲击。他认为,随着前沿AI实验室投入大量资源,数学正进入证明富足时代,但AI能力呈锯齿状分布,多数前沿开放问题仍未解决。他提出Math 2.0愿景:用AI支持数学共同体,并维护数学理解在现实应用中的作用。
陶哲轩公开了在加州理工学院举行的演讲《Math 2.0》,回顾数学1.0以证明稀缺为前提的研究模式,并讨论AI对数学研究的冲击。他认为,随着前沿AI实验室投入大量资源,数学正进入证明富足时代,但AI能力呈锯齿状分布,多数前沿开放问题仍未解决。他提出Math 2.0愿景:用AI支持数学共同体,并维护数学理解在现实应用中的作用。
SynthePulse Insight · AI 深度解读会员精读
版本 1 · 1 个来源
陶哲轩在加州理工学院演讲《Math 2.0》中提出,数学正从「证明稀缺」走向「证明富足」,但解题能力只是代理指标;若 AI 绕过人类理解,数学的长期健康发展将受损。
陶哲轩公开了他在加州理工学院举行的演讲《Math 2.0》。据他介绍,这场演讲早在一年多前就开始筹划,最初标题是《机器辅助证明》,原计划今年 5 月举行,后来推迟到 10 月;由于近期发生的一系列事件,演讲内容也发生了很大变化。不过加州理工学院的活动网页上仍保留着最初的标题和摘要。
这个细节本身构成理解整场演讲的入口:标题从「机器辅助证明」变成「数学 2.0」,指向的不是某一项技术进展,而是数学研究运行方式的整体转向。演讲的落点也不是「AI 能解多少题」,而是数学共同体该如何使用这种能力。
陶哲轩把传统数学研究称为「Math 1.0」,认为它建立在一个核心前提上:数学证明是稀缺的。找到一个未解问题的答案并严格证明其正确,通常十分困难且相当罕见,需要深厚的专业知识与大量时间精力。数学界现有的许多制度、传统、激励机制和研究目标,都是围绕这一假设建立的。
在他看来,数学之所以特别容易受到这轮 AI 冲击,是因为它同时具备三个条件:客观可验证性、高度数字化,以及大量高质量数据。证明写成 Lean 等形式化语言后,计算机甚至可以机械检查其正确性;数学证明不需要物理载体,也不依赖真实世界的数据输入或现实实验验证。
由此他判断,随着前沿 AI 实验室在数学能力上大量投入,数学研究正进入「证明富足」时代:只要有足够算力并能访问前沿 AI 模型,就可能在较短时间内得到许多过去十分困难的开放问题的解答,提问者甚至不必具备解决该问题的专业知识。
本文依据机器之心对陶哲轩加州理工学院演讲《Math 2.0》的报道及其幻灯片整理,属二手转述来源。演讲的举行、筹划时间、原定标题与推迟情况为已确认事实;「证明稀缺」「证明富足」「锯齿状能力」「盲目优化正在损害数学」等判断均为陶哲轩本人的主张,本文按来源主张处理,未将其改写为定论。ETP、IGP24、First Proof、IEANTN、Mathlib 与 Caltech Mathathon 的具体方法、参与方、验证方式与成效,来源均未展开;Mathathon 目前仅为计划,尚无结果。来源也未提供 AI 在数学上的完整失败率或算力消耗数据,因此 AI 的真实数学能力仍难以客观判断。
主报道
主报道来源