UCLA教授、被广泛认为是当今最杰出的纯数学家之一的陶哲轩（Terence Tao），对当下数学领域加速进行的AI竞赛发出了警报。

陶哲轩于2006年获得菲尔兹奖，昨日他在以数学为主题的Mastodon平台Mathstodon上发帖警告，认为人工智能正在消耗该领域富有成果的开放数学问题的供给。这些开放问题，即那些真正推动数学前进的未解之谜，才是关键所在——不是证明，也不是论文，而是好问题。

陶哲轩写道，任何人都能发明无数个新的数学问题；圆周率的小数点后 googol 位数字在技术上是一个无人计算过的开放问题。但它们几乎都不重要，因为大多数问题无法揭示关于整个领域的任何信息。真正重要的是知道什么值得付出努力。

陶哲轩表示：“简而言之， indiscriminate（不加辨别地）使用强大的解题提取工具可以实现解决眼前问题的即时短期目标，但代价是损害下一代进步所需的生态系统，或阻碍对已获得进展的理解。”

随着推理模型和最新一代前沿AI系统的发布，实验室开始投入巨大算力解决数学和科学问题。Anthropic和OpenAI已将其模型应用于那些困扰人类数学家数年甚至数十年的历史难题。成果涵盖了从量子物理到应用数学及医学的各个领域。

但数学有所不同：真正困难的问题相对稀缺，研究人员通常会仔细斟酌花费数月甚至数年时间去追求哪些问题。

陶哲轩认为，过去解决这一问题依赖于领域的“难度景观”——即区分哪些问题是琐碎的，哪些问题需要真正的努力，哪些用当前工具是 hopeless（无望的）。新方法总是flatten（简化/消除障碍）了部分景观，但也开辟了自身极限之外的新前沿。而AI打破了这一模式，因为没人能确切说出模型的能力止步于何处。

从谣言到竞赛

陶哲轩描述的并非假设场景。5月，一个OpenAI模型驳斥了埃尔德什单位距离猜想（Erdős unit-distance conjecture），这是一个关于平面上有多少对点可以恰好相距一单位的80年历史难题。包括菲尔兹奖得主蒂姆·高尔斯（Tim Gowers）在内的外部数学家对其进行了验证。

同一周内，Anthropic研究员Levent Alpöge通过Claude Mythos——该公司未发布的顶级模型——运行了相同的难题，并在离线状态下进行工作，以确保无法复制OpenAI已公布的解答。Anthropic工程师Sholto Douglas称该结果为“可爱、简单的证明”，比OpenAI的更短。数学家Daniel Litt则称其“略逊于”OpenAI的版本，尽管Mythos同时也找到了OpenAI的解法。

Sholto Douglas在社交媒体上写道：“向OAI团队致以巨大的敬意，他们用5.5（注：指某种评分或版本代号）解决了单位距离问题，这现在成了我的首选例子，证明模型确实能够将分散的想法整合成新的发现。就像所有的‘四分钟英里’纪录一样，我们也必须尝试跨越它！事实证明，Mythos用一段可爱、简洁的证明解决了它……”

就在本周，Anthropic形式化了费马大定理的一个数百年历史的证明；几天后，OpenAI破解了一个90年历史的难题，而在一名研究者发表自己证明后的几小时内，OpenAI便与之合作发表了一篇论文，合作者中包括一名Anthropic的研究人员。

正是这种竞赛让陶哲轩感到担忧。他写道：“我们现在看到，即使只是有人正在研究某个问题的传言，也能触发大量的AI驱动努力，在原始研究项目充分发挥潜力之前就将它攻克。”

陶哲轩认为，这最终逆转了几个世纪以来的开放科学传统。

评估过程，而不仅仅是答案

陶哲轩提出的解决方案是将某些问题标记为“需分析（analysis-required）”，意味着除非附带能揭示邻近问题相关性的推理过程，否则正确的原始答案几乎没有价值。他将此比作停止接受任何仅可食用捐赠食物的食品银行。

陶哲轩表示，除此以外就只有禁止在数学中使用AI，但他认为这一方案“技术上不可行”。

目前该提议尚未转化为任何地方的政策，而且根据各大AI实验室的行为来看，即便这一提议在当下可能也是技术上不可行的。

来源：https://decrypt.co/377818/ai-math-best-problems-terence-tao