反例
一个 OpenAI 模型推翻了一个有着 80 年历史的数学猜想。这是一个里程碑。但它也向我们展示了 AI 的能力边界。
问题很简单。在平面上放置一些点。有多少对点之间的距离可以恰好为 1 个单位？保罗·埃尔德什（Paul Erdős）曾猜测，使用特定的网格是实现这一点的最佳方式。这个猜想维持了 80 年之久。
AI 推翻了这个猜想。它并没有发明一种全新的思维方式。它通过在高维空间构建晶格并将其投影回低维空间，从而发现了一种模式。它找到了一种网格无法实现的特定排列方式。
这一成功揭示了 AI 的两个特定优势：
- 无偏见搜索：如果人类认为某个理论是正确的，往往就会停止寻找反例。而 AI 没有这种信念。即使人类放弃了，它仍在继续搜寻。
- 极强的耐力：人类会分配有限的注意力。我们会放弃那些耗时过长或见效太慢的策略。而该模型可以进行数百次失败的尝试，且不会感到疲倦。
AI 还利用了其知识广度。它将代数数论与离散几何结合在了一起。大多数人类专家只专注于一个领域，而模型则同时承载着所有领域的文献。它能建立起专家可能会忽略的联系。
然而，这并非发明。该模型并没有创造新的数学工具。它只是利用现有的数学知识，在现有的框架内寻找结果。它是在一个定义的空间内，寻找符合已知规则的对象。
真正的数学发明是不同的。它是一种创造新空间、新约束或新语言的能力。
对 AI 真正的考验不在于它解决了多少旧问题。真正的考验在于模型是否能创造出一种让数学家们也采纳为己用的定义或方法。
在模型能够生成新的框架之前，它仍然是一个强大的搜索工具，而非创造者。机器的优势在于它不会像我们一样持有成见，也不会在搜寻中感到疲倦。
来源：https://dev.to/thesythesis/the-counterexample-hd2
可选学习社区：https://t.me/GyaanSetuAi