冷知识：AI只解对5%，也可能超过数学家
最近看了陶哲轩在 Big Think 的一场最新分享，我发现他看 AI 的角度真挺有意思的。

他形容现在的 AI，有点像一个懂很多东西、但喝醉了的人。脑子里会不断往外抛想法，有些完全不靠谱，可只要尝试得足够多，再反复检查和筛选，最后真的可能从里面捞出有用的东西。

他还算了一笔很有意思的账。如果让 AI 一口气去做一千个数学问题，最后只解决 5%，成功率看着不高，换成数量却是 50 个。光看解决问题的数量，这种工具已经可能超过一个人类数学家。

陶哲轩自己几乎一辈子都在和数学难题打交道。13 岁拿到国际数学奥林匹克金牌，20 岁获得普林斯顿博士学位，24 岁进入 UCLA 数学系，后来又拿下菲尔兹奖。到了今天，他依然活跃在数学研究一线。

也因此，他看 AI 时很少只停在模型又解出了什么题，更关注它究竟是怎么解题的。

1
我们平时判断 AI 的数学能力，很容易顺着难度往上看。

初中题、高中题、奥赛题、研究生考试，再到真正没人解决过的问题。陶哲轩自己也观察到了这条能力曲线，几年前模型还只能处理比较基础的数学，现在已经开始碰一些研究级问题，甚至偶尔解出人类认真研究过、却一直走错方向的问题。

但在他看来，只盯着题有多难，会漏掉 AI 很特别的一部分。

人类数学家通常会从成千上万个问题里挑出少数几个。什么问题足够重要，什么方向可能有突破口，哪些东西值得花半年、一年甚至更久，这些判断本身就是研究的一部分。选定以后，再一路往深处钻。

AI 可以走另一条路，它能同时碰很多问题，试很多已有技术，也能把原本没人放到一起的方法重新组合。某个关键思路可能藏在几十年前一篇几乎没人记得的论文里，人类专家没有时间穷举所有可能，它却可以不断去试。

陶哲轩谈到这里时，用了几个很准确的字，「它们擅长广度。」

所以一千个问题只解出 5%，在这种工作方式里并没有看起来那么差。大量失败可以被规模吞掉，只要少数尝试跑通，最后就会冒出几十个结果。

更微妙的是，人类专家会有经验，也会有共识，而经验有时也会变成路径依赖。大家已经默认某个方向不成立，就很少再去碰。AI 没有那么强的先入为主，偶尔反而会像一个独立的旁观者，把所有人漏过去的路线重新走一遍。
人工智能 ai 科技 AI时代 数学