经济学人，AI的数学突破正将科学推向陌生的新领域AI’s mathematics blitz pushes science into strange new territory

其他学科也应引以为戒

“有时候，人们对数学存在误解，以为它终将被计算机超越。”数学家阿兰·孔涅在2000年曾这样说道。当时，一群德高望重的数学家宣布，将为攻克七道极难解决的数学难题提供100万美元的奖金。孔涅解释说，这些千禧年大奖难题“完全超出了计算机的能力范围”。

但计算机的能力不断增强。今年9月初，美国人工智能公司OpenAI宣称，其内部研发的一款AI模型解决了一个千禧年大奖难题：纳维–斯托克斯方程的存在性与光滑性问题，该问题涉及流体的运动规律。这是七道难题中第二个得到解决的问题，也是第一个被机器攻克的问题。数学家们至少花了一个世纪的时间与这道难题较量，而AI只用了88个小时便给出了答案。

紧接着，康涅狄格大学数学家阿尔瓦罗·洛萨诺-罗夫莱多所称的“迄今为止，数学史上可能最重要的一天”到来了。10月6日，OpenAI一口气发布了719篇论文，详细介绍同一款模型找到的解答，涉及至少372个长期悬而未决的数学问题。此前，没有任何研究领域经历过类似的事件。

然而，许多数学家并没有欢欣鼓舞。2022年菲尔兹奖得主、日内瓦大学数学家雨果·迪米尼尔-科潘写道：“这带来的震撼极其巨大……我已经不知所措，甚至无法动弹。”菲尔兹奖被视为数学界最负盛名的奖项。在纳维–斯托克斯问题得到解决的消息公布后不久，迪米尼尔-科潘与另外27位菲尔兹奖得主发表了一份声明，称当前局面反映出“AI在数学领域出现了严重的目标错位”。此后，已有8000多名研究人员表示支持。他们担忧的是，那些脱离人类理解的解答可能带来的风险。另一位联署者、瑞士洛桑联邦理工学院的马丁·海雷尔警告说，如果不加以约束，AI将“使这一领域失去活力，甚至走向枯竭”。

乍看之下，AI在数学领域取得突破竟引发如此强烈的反应，似乎有些奇怪。解决长期悬而未决的问题，显然是人类的一项进步。数学家们也有维护自身职业生涯、不愿受到技术冲击的切身利益。不过，他们提出的理由并不完全是为自身利益辩护，也为我们预示了不久之后其他科学领域可能出现的争论与风波。

提出异议的数学家认为，如果只关注问题是否得到解决，就会忽视寻找答案这一过程本身的重要性。攻克尚未解决的问题，能够推动新工具和新技术的发明，而其中一些成果日后可能在最初研究目标之外发挥重要作用。例如，虚数的平方可以得到负数。16世纪的数学家曾认为，虚数“既微妙又无用”。如今，虚数却已成为电气工程、量子物理学等众多领域的基础。

数学家们指出，OpenAI发表的数百篇新论文，并未为他们带来令人惊喜的新思想，也没有开辟新的研究方向。马德里CUNEF大学的数学家路易斯·马丁内斯-佐罗亚是纳维–斯托克斯问题的权威研究者之一。他表示，AI并不擅长解释自己是如何得出结论的。他将AI提交的一篇长达166页、阐述其推导过程的论文形容为“把不同研究成果的各个部分拼凑在一起的弗兰肯斯坦式产物”，认为其内容一点也不清晰。

面临冲击的并不只有数学。1月发表于《自然》杂志的一项研究分析了来自自然科学各个学科的4130万篇论文，发现研究人员采用AI的速度正在不断加快。剑桥大学的理论物理学家戴维·汤指出，AI已经彻底改变了理论物理学家的工作方式。“在计算方面，你显然会转向大型语言模型（LLM），”他说，“三个月前还不是这样。”9月25日，另一家人工智能公司Anthropic宣布，其AI模型Claude在计算某些粒子集合之间的相互作用方面，将研究能力推向了新的前沿。

采用AI的科学家似乎确实取得了不错的成绩。《自然》杂志的研究显示，使用这项技术的研究人员发表的论文更多，获得的引用也更多。然而，AI虽然有助于个人取得成果，却使科学家研究的主题范围缩小了近5%，彼此关注和研读对方研究成果的程度也下降了22%。芝加哥大学的AI研究员、该研究的作者之一詹姆斯·埃文斯将这种现象称为研究领域的“封闭化”。谷歌最近对600多名科学家开展的一项调查也得出了类似结论。近半数受访者表示，AI会推动他们选择更稳妥、渐进式的研究项目，因为这类项目能够确保他们在短时间内产出可供发表的成果。只有28%的人认为，AI使他们能够开展更多探索性研究。科学进步需要这两类研究，但最具风险的研究往往才会带来最深刻的突破。

随着AI在科学研究中扮演越来越重要的角色，其他风险也随之浮现。伦敦国王学院的计算机科学家赫克托·泽尼尔指出，今年2月，他与埃文斯在《人工智能前沿》杂志上发表文章，设想了一种未来：AI模型与部分机器人技术相结合，形成一个能够自主完成整个科学研究闭环的系统。换言之，机器将能够独立进行测量、提出假设、在实验室中检验假设、评估研究结果，然后重新开始这一过程。研究人员警告说，这可能将科学带入一个陌生的新领域：由机器驱动的科学研究将变得难以被人类理解。

即使在这样的世界里，人类或许仍然能够验证机器得出的结果是否正确，甚至加以利用。例如，目前已有一两个案例显示，研究人员成功地在OpenAI的数学成果基础上继续开展研究。即便如此，这也将是一种与现有模式截然不同的科研方式。泽尼尔表示，科学家未来或许会变得像考古学家一样，追踪AI的发现，并试图弄清楚这些发现究竟是如何得出的。汤对AI将造福人类持乐观态度，但他仍然警告说：“我不确定我们是否真的做好了准备，去迎接六个月或一年后即将到来的一切。”理论物理学与数学关系密切，因此，在所有科学领域中，它最有可能率先遭遇类似的冲击。

不过，数学家们还没有失业。恰恰因为OpenAI的研究结果缺乏透明度，验证AI所用的方法、辨别哪些研究路径最有成效，仍将为数学家提供大量工作。此外，数学家们指出，尽管AI善于解决问题，但在创造性工作方面仍然困难重重。例如，AI是否能够独立发明虚数，至今仍是一个没有明确答案的问题。

然而，正如孔涅如今正在逐渐认识到的那样，科学家若低估这项技术的潜力，就可能付出沉重的代价。海外新鲜事