塔斯娱乐资讯网

我有一个大胆的预测:未来数学界可能诞生一种全新的职业,叫作“数学知识架构师”。 如果这次Claude参与证明黎曼猜想的事情最终被证实,那么我觉得,人类可能需要认真思考一个此前从未遇到过的问题: 如果有一天,AI发现数学知识的速度,远远超过了人类理解数学知识的速度,会发生什么? 过去167年 ​

我有一个大胆的预测:未来数学界可能诞生一种全新的职业,叫作“数学知识架构师”。

如果这次Claude参与证明黎曼猜想的事情最终被证实,那么我觉得,人类可能需要认真思考一个此前从未遇到过的问题:

如果有一天,AI发现数学知识的速度,远远超过了人类理解数学知识的速度,会发生什么?

过去167年,人类最顶尖的数学家一代接着一代,始终没能攻克黎曼猜想。但现在,AI可能已经参与找到了答案,而且整个形式化证明规模达到了1700万行代码,尝试生成的人类可读版本甚至超过25万页。

这让我产生了一个非常大胆的联想。

假设未来AI的数学能力继续指数级增长,它可能每天证明几十个甚至上百个新定理,每个月解决一批困扰人类几十年的数学难题。更进一步,它甚至能够发现人类从未提出过的新猜想,建立全新的数学分支。

到那个时候,数学界可能会面临一种非常奇特的局面:数学知识出现严重过剩,人类的理解速度开始跟不上AI的发现速度。

这在数学史上可能是一个前所未有的转折。

过去,数学家最头疼的是证明不出来。未来,数学家可能最头疼的是证明太多,根本看不过来,更别说逐一理解了。

于是,我觉得人类一定会开发出一种全新的工具,可以称之为“数学理解引擎”。

比如AI完成了一份25万页的证明,人类只需要把它导入理解引擎,就可以选择3分钟、30分钟、3小时或者专家模式。

3分钟了解整个证明的核心思想,30分钟掌握主要数学结构,3小时深入关键引理,而专家模式则能够逐层展开全部逻辑,甚至直接对应到已经通过机器验证的形式化证明。

它可能像地图一样,可以从整个数学理论的宏观结构,一直放大到最底层的某一条逻辑推导。你想看哪里,就展开哪里;哪里理解不了,AI就重新解释,甚至生成可交互的数学模型。

这可能意味着,数学会在某种程度上进入“快餐时代”。

以前需要花几个月才能理解的复杂数学理论,未来可能只需要几个小时,就能建立相当程度的认识。

当然,快速理解一个理论的概貌,与真正掌握它的深层思想,依然存在巨大差距。

而随着AI生成的数学成果越来越多,我认为一种全新的职业可能出现,那就是我所说的“数学知识架构师”。

他们的主要工作,可能不再局限于亲自证明某个猜想,而是站在更高的层面,从AI创造的海量数学成果中,筛选真正重要的发现,寻找不同定理之间隐藏的联系,把看似独立的知识重新组织成更加简洁、统一、能够被人类理解的理论体系。

比如,AI可能已经证明了100万个新定理,但其中99万个只是局部性的结果,另外1万个具有更深刻的意义。而真正伟大的数学知识架构师,可能从这1万个定理中发现,它们其实都源于同一个此前无人意识到的数学原理。

最终,100万个定理可能被统一到一个全新的数学框架之中。

这才是更高级的数学创造。

我甚至觉得,未来数学界可能逐渐形成两个并行发展的世界。

一个是机器数学世界,AI以极高的速度不断发现、证明和验证新知识。

另一个是人类理解世界,人类通过各种数学工具,不断消化、筛选、重组这些知识,并将它们转化为能够指导科学研究的新理论。

两个世界相互促进,但发展速度可能长期存在巨大差距。

更进一步,未来甚至可能出现一种情况:AI创造出一整套全新的数学语言,证明了成千上万个定理,但人类数学家需要花费数年时间,才能真正理解这套语言的深层结构。

到那时,数学教育、数学研究,甚至数学天才的定义,都可能发生根本变化。

过去,我们认为数学天才是能够解决别人无法解决的问题的人。

未来,数学天才可能是能够从AI创造的海量知识中,发现最深刻规律、建立最简洁理论体系的人。

我认为,未来数学最稀缺的资源,可能逐渐从“证明能力”转向“理解能力、抽象能力和知识组织能力”。

当然,这些都只是基于AI数学能力持续突破的一种推演,距离真正实现还有很长的路。

但我越来越觉得,人类未来可能需要担心的一个问题,是AI发现知识的速度太快,而我们理解世界的速度太慢。

最后,我想提出一个很有意思的问题:

如果未来AI已经证明了100万个新定理,建立了几十个全新的数学分支,但全世界没有任何一个人能够完整理解这些知识,那么,这些知识究竟算不算已经被人类掌握了?

这可能是未来AI时代最值得思考的问题之一。