从计算机科学到医学再到国家安全，数学是众多关键应用的基石，但数学领域的进步可能需要数年时间才能实现。
几百年来，数学家使用的工具依然简朴：一张纸、一支笔。他们凭借逻辑与灵感，在符号的迷宫中寻找通往真理的路径。
为了打破这一局面，美国国防高级研究计划局今年4月启动了“指数性数学”计划，旨在开发一种能极大提升数学研究效率的人工智能（AI）“合著者”系统。
几十年来，数学家借助计算机进行辅助计算或验证命题，如今的AI或许能更上层楼，挑战那些人类长年未解的难题。不过，从能解高中题的AI，到能协助攻克前沿数学难关的AI，中间仍隔着一道鸿沟。
解决重大难题仍力不从心
大型语言模型（LLM）并不擅长数学。它们常常出现“幻觉”，甚至可能被误导相信2+2=5。但新一代大型推理模型，如OpenAI的o3、Anthropic的Claude 4 Thinking等，展现出的进步令数学家眼前一亮。
今年，这些模型在美国数学邀请赛中的表现接近优秀高中生水平。不同于过去“一锤定音”式的输出，这些模型开始尝试模拟数学家逐步推理的思考过程。
同时，一些将LLM与某种事实核查系统相结合的新型混合模型也取得了突破。例如，谷歌“深度思维”的AlphaProof系统将语言模型与棋类AI——AlphaZero结合，成为首个取得与国际数学奥林匹克竞赛银牌得主成绩相当的系统。今年5月，谷歌的AlphaEvolve模型更进一步，在多个长期未解的数学与计算难题上找到优于人类现有方案的解法。
美国《麻省理工科技评论》指出，尽管这些AI成绩亮眼，但专家们普遍认为，它们仍不具备真正的协助科研的能力。竞赛题虽难，却更像是智力游戏，有一定“套路”。真正的数学研究则更开放、更复杂。面对“P vs NP”“黎曼猜想”等重大难题时，AI仍力不从心。
为了更准确地评估AI的能力，初创公司Epoch AI去年推出了FrontierMath测试，联合60多位数学家设计出全新高难度题目，避开模型已见过的训练数据，结果LLM几乎集体“交白卷”。
这些测试表明，AI在数学道路上虽已迈步，但离“合著者”角色仍有很长一段路要走。
需攻克“超长推理链”
仔细观察数学问题会发现，它们在某些方面类似：解决问题需完成一系列连续步骤，关键在于找到这些步骤。
美国加州理工学院谢尔盖·古科夫指出，困难的差异往往体现在路径的长度上。高中数学可能只需10到40步，而像黎曼猜想这样的难题，路径可能长达百万步。
这类“超长路径”极难处理。就像下围棋时寻找一条制胜序列，AI必须在指数级增长的可能路径中找到正确解法。而在数学中，这个复杂度要远超棋类游戏。
据物理学家组织网今年2月报道，为应对这一挑战，古科夫团队开发了一种方法，将多个步骤打包成“超级步骤”，相当于穿上“巨人靴”跨越大段路程。他们设计了一个系统，其中强化学习模型负责提出超级步骤，另一个模型负责验证其合理性。
该策略在经典未解难题——安德鲁斯-柯蒂斯猜想上取得了突破。虽然尚未证明或推翻该猜想，但借助AI，科学家推翻了一个40年来被广泛引用的“反例”。这曾被视为证明该猜想错误的关键依据。
牛津大学数学家马丁·布里森对此表示肯定：“排除错误路径，是科研中非常有价值的一步。”
古科夫相信，这种“压缩路径”的思路适用于所有需要推理链条的领域。他希望，这种方法不仅能推动AI跳出固有模式，也为数学研究带来新突破。
真正的创新和突破仍属人类
跳出思维定式，正是数学家攻克难题的关键。数学常被看作机械推理，而高等数学则更像是一场实验，充满一波三折的试错与灵光乍现的顿悟。
这正是AlphaEvolve等AI工具的优势所在。它通过LLM不断生成并改进解题代码，配合第二个模型评估每一轮结果，最终提出比人类更优的解法。这种方法不仅能独立探索，也支持人类随时介入，提供灵感和指令。
澳大利亚悉尼大学数学家乔迪·威廉姆森强调，探索性思维是数学的核心。据英国《新科学家》网站报道，他与Meta合作开发了PatternBoost AI系统，可根据一个数学想法生成相似概念，帮助激发灵感。他说：“这就像是这里有一堆有趣的东西，我不知道是怎么回事，但你能再生成一些类似的东西吗？”
这种头脑风暴在数学中至关重要，它是新想法产生的源泉。以二十面体为例——古希腊人通过纯粹推理发现了它，其形状并不存在于自然界中，却深刻影响了数学的发展。威廉姆森希望，AI未来也能协助发现类似的“新数学对象”。
不过，目前AI仍缺乏真正的创造力。让AI赢棋是一回事，让它发明围棋游戏则是另一回事。像AlphaEvolve和PatternBoost这样的工具或许能作为人类直觉的“侦察兵”，帮助人们发现路径、避开死路，但专家普遍认为，真正的创新与突破，仍然属于人类。
从计算机科学到医学再到国家安全，数学是众多关键应用的基石，但数学领域的进步可能需要数年时间才能实现。
几百年来，数学家使用的工具依然简朴：一张纸、一支笔。他们凭借逻辑与灵感，在符号的迷宫中寻找通往真理的路径。
为了打破这一局面，美国国防高级研究计划局今年4月启动了“指数性数学”计划，旨在开发一种能极大提升数学研究效率的人工智能（AI）“合著者”系统。
几十年来，数学家借助计算机进行辅助计算或验证命题，如今的AI或许能更上层楼，挑战那些人类长年未解的难题。不过，从能解高中题的AI，到能协助攻克前沿数学难关的AI，中间仍隔着一道鸿沟。
解决重大难题仍力不从心
大型语言模型（LLM）并不擅长数学。它们常常出现“幻觉”，甚至可能被误导相信2+2=5。但新一代大型推理模型，如OpenAI的o3、Anthropic的Claude 4 Thinking等，展现出的进步令数学家眼前一亮。
今年，这些模型在美国数学邀请赛中的表现接近优秀高中生水平。不同于过去“一锤定音”式的输出，这些模型开始尝试模拟数学家逐步推理的思考过程。
同时，一些将LLM与某种事实核查系统相结合的新型混合模型也取得了突破。例如，谷歌“深度思维”的AlphaProof系统将语言模型与棋类AI——AlphaZero结合，成为首个取得与国际数学奥林匹克竞赛银牌得主成绩相当的系统。今年5月，谷歌的AlphaEvolve模型更进一步，在多个长期未解的数学与计算难题上找到优于人类现有方案的解法。
美国《麻省理工科技评论》指出，尽管这些AI成绩亮眼，但专家们普遍认为，它们仍不具备真正的协助科研的能力。竞赛题虽难，却更像是智力游戏，有一定“套路”。真正的数学研究则更开放、更复杂。面对“P vs NP”“黎曼猜想”等重大难题时，AI仍力不从心。
为了更准确地评估AI的能力，初创公司Epoch AI去年推出了FrontierMath测试，联合60多位数学家设计出全新高难度题目，避开模型已见过的训练数据，结果LLM几乎集体“交白卷”。
这些测试表明，AI在数学道路上虽已迈步，但离“合著者”角色仍有很长一段路要走。
需攻克“超长推理链”
仔细观察数学问题会发现，它们在某些方面类似：解决问题需完成一系列连续步骤，关键在于找到这些步骤。
美国加州理工学院谢尔盖·古科夫指出，困难的差异往往体现在路径的长度上。高中数学可能只需10到40步，而像黎曼猜想这样的难题，路径可能长达百万步。
这类“超长路径”极难处理。就像下围棋时寻找一条制胜序列，AI必须在指数级增长的可能路径中找到正确解法。而在数学中，这个复杂度要远超棋类游戏。
据物理学家组织网今年2月报道，为应对这一挑战，古科夫团队开发了一种方法，将多个步骤打包成“超级步骤”，相当于穿上“巨人靴”跨越大段路程。他们设计了一个系统，其中强化学习模型负责提出超级步骤，另一个模型负责验证其合理性。
该策略在经典未解难题——安德鲁斯-柯蒂斯猜想上取得了突破。虽然尚未证明或推翻该猜想，但借助AI，科学家推翻了一个40年来被广泛引用的“反例”。这曾被视为证明该猜想错误的关键依据。
牛津大学数学家马丁·布里森对此表示肯定：“排除错误路径，是科研中非常有价值的一步。”
古科夫相信，这种“压缩路径”的思路适用于所有需要推理链条的领域。他希望，这种方法不仅能推动AI跳出固有模式，也为数学研究带来新突破。
真正的创新和突破仍属人类
跳出思维定式，正是数学家攻克难题的关键。数学常被看作机械推理，而高等数学则更像是一场实验，充满一波三折的试错与灵光乍现的顿悟。
这正是AlphaEvolve等AI工具的优势所在。它通过LLM不断生成并改进解题代码，配合第二个模型评估每一轮结果，最终提出比人类更优的解法。这种方法不仅能独立探索，也支持人类随时介入，提供灵感和指令。
澳大利亚悉尼大学数学家乔迪·威廉姆森强调，探索性思维是数学的核心。据英国《新科学家》网站报道，他与Meta合作开发了PatternBoost AI系统，可根据一个数学想法生成相似概念，帮助激发灵感。他说：“这就像是这里有一堆有趣的东西，我不知道是怎么回事，但你能再生成一些类似的东西吗？”
这种头脑风暴在数学中至关重要，它是新想法产生的源泉。以二十面体为例——古希腊人通过纯粹推理发现了它，其形状并不存在于自然界中，却深刻影响了数学的发展。威廉姆森希望，AI未来也能协助发现类似的“新数学对象”。
不过，目前AI仍缺乏真正的创造力。让AI赢棋是一回事，让它发明围棋游戏则是另一回事。像AlphaEvolve和PatternBoost这样的工具或许能作为人类直觉的“侦察兵”，帮助人们发现路径、避开死路，但专家普遍认为，真正的创新与突破，仍然属于人类。
记者3月20日从中国科学院地质与地球物理研究所获悉，该所科研人员在东北黑土区开展了大范围的野外调查和样品采集工作，通过分析采集的黑土样品发现，黑土物质最初都是由风力搬运而来。相关研究成 近日，我国“主要作物丰产增效科技创新工程”重点专项“优质双季超级稻丰产增效技术研发与集成示范”项目，在湖南岳阳宣布启动。据了解，该项目主要聚焦优质双季超级稻丰产增效技术研发，着力探明双 那些在吃完一顿饱饭后不久就在冰箱里翻找零食的人，可能不是胃口好，而是因为寻找食物的神经元过度活跃的缘故。美国加州大学洛杉矶分校心理学家在老鼠大脑中发现了一个回路：即使它们不饿，也会让它 中新经纬3月22日电 据《日本经济新闻》22日报道，夏普正在讨论缩小液晶显示器业务，夏普已将子公司显示器(SDP、位于市)停产纳入视野。显示器业务持续陷入苦战，成为夏普在2022财年(截至2023年3月)时隔5年陷入最终亏损 3月25日消息，去年huawei在Mate 60系列上首发了玄武机身架构，采用一体化金属机身，搭配上超耐用锦纤材质，使整机的抗挤压能力提高10倍，使用更放心。“玄武”是极其坚固的代表，huawei还在问界M9上采用了“ 3月21日，人工智能大模型赋能企业科技创新研讨会在广州召开。中国知网在会议期间发布了专利大数据智能应用产品“AI Pat+”。据中国知网相关负责人介绍，中国知网在人工智能大模型领域的深入研发 。本文链接：AI成为数学家得力助手还要多久http://www.sushuapos.com/show-2-12732-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 算法“破茧”非一日之功
下一篇： 量子计算机能秒解密码吗