30 秒看懂
计算机检验过的证明或许能确定一个数学命题是否成立,却不一定能让人理解它为何成立。面对 AI 证明黎曼猜想的假设,Alex Kontorovich 认为,无法读懂的证明会让主要工作仍未完成;Lean 的创建者 Leo de Moura 则认为,这将是重大成就,也是进一步研究的起点。Terence Tao 说,有些定理需要依靠穷举证明,但他预计黎曼猜想需要建立新的数学联系。其他人希望 AI 能帮助人们把经过检验的证明转化为可用的思想。
- 1证明可能让目前依赖假设的结果得到确认Ken Ono 说,数百乃至数千篇论文以黎曼猜想为前提;证明它将为数学家提供一套强大的新工具。他仍然希望看到一个优美、富有概念性的证明。
- 2没人能读懂的证明可能只是让问题换了形式Alex Kontorovich 说,如果一个庞大的 Lean 证明无人理解,数学家仍需设法解释结果,或另找一条理解它的路径。
- 3独立检验能让研究者更有信心研究机器证明Lean 的创建者 Leo de Moura 会将证明与经过整理的猜想表述比对,再用多个内核检验。他预计数学家会把通过检验的证明拆成部分,尝试理解它。
- 4有些定理可以穷举证明,但 Tao 预计需要新的联系Tao 举出四色定理:它有计算机辅助证明,但尚无概念上优美的替代证明。他预计黎曼猜想的证明需要新的数学或新的联系,同时承认也可能通过计算找到反例。
- 5解释得不好与人类根本无法理解是两回事Daniel Litt 说,一个真正无法理解的证明,对他已有的高度信心可能增加不了多少;而人和 AI 能共同解释的、经过检验的证明将是重大进展。
- 6AI 或许既能生成证明,也能帮助解释证明一位物理学家希望,已经能有效解释教科书内容的模型,也能拆解陌生而复杂的证明;这目前仍是他的希望。
- 7严格检验不等于理解Kontorovich 说,证明能防止直觉出错,但论证背后的理解可以独立于它的形式化表述而存在。
要点建议
- 形式化检验通过的证明和人能理解的解释,是两种不同的成果。
- Leo de Moura 会将提出的证明与经过整理的命题表述比对,并用多个独立的证明内核检验。
- Daniel Litt 区分了本质上无法理解的证明和解释不佳的证明;后者可能带来重大机遇。
- Terence Tao 预计,人类与强大的 AI 工具合作,成果会比让 AI 完全自主地一次性尝试更好。
按章节阅读整理后的全文
无法读懂的证明有多大价值?
Ken Ono 说,证明能让许多有条件的结果得到确认,但他仍希望有概念性的解释。其他数学家对无法读懂的证明是否令人满意看法不一。
一位发言者设想,按下按钮就得到一个长达十亿行的黎曼猜想证明:一页又一页地定义函数和数字,却不解释为什么要使用它们。他觉得这个画面很有趣。
Ken Ono 说,数百篇、也许数千篇数学论文都假设黎曼猜想成立。证明它会让这些有条件的结果成为一套新工具,并可能让知识取得飞跃。但他希望证明过程有人参与,也希望证明本身很优美;即使证明不够优美,寻找概念性证明依然重要。
Daniel Litt 是一位研究范围包括元数学的逻辑学家,他觉得无法看透的证明很有意思。不过,对 Alex Kontorovich 来说,一份长达数十亿个 token、无人能读懂的 Lean 证明,并不能以他所关心的方式解决问题。
通过检验的证明可能开启对理解的新探索
Alex Kontorovich 和 Lean 创建者 Leo de Moura 对无法读懂的形式化证明持不同看法。De Moura 建议先核对命题表述,再使用独立的证明内核检验,然后研究结果。
Kontorovich 说,这样的证明或许能激发有趣的数学研究,但试图理解它的努力也可能失败。核心问题会随之转移:要么弄懂这份庞大证明里发生了什么,要么另寻路径,理解猜想为何成立。
Lean 证明辅助工具的创建者 Leo de Moura 更为乐观。他说,黎曼猜想已经有一份经过整理的形式化表述。他会将提出的证明与这份表述比对,检查是否存在漏洞,并寻求两三个不同内核得出一致结果;内核是检验形式化证明的组件。
如果这些检验让人有高度信心,de Moura 认为,即使最初没人理解证明,那也会是数学界令人惊喜的一天。他说,证明不是一成不变的:人们可以分离片段,把论证拆开,花时间弄懂它。
解决这个问题需要新思想吗?
Terence Tao 对比了穷举证明与他预计黎曼猜想可能需要的新联系。他还考虑了通过计算寻找反例,以及数学家与 AI 合作的可能。
采访者问,随着 AI 系统越来越擅长用 Lean 解题,它们是否最终可能给出一个证明,却留给人类少得令人惊讶的洞见;还是说,解决黎曼猜想所需的构造和定义必然会加深人类对数学的理解。
Terence Tao 说,没人知道。有些问题实际上靠穷举解决:他举出四色定理,称至今还没有发现概念上优美的证明。他认为,有些问题可能只能分成大量情况,再逐一借助计算机分析。
谈到黎曼猜想,Tao 说,数学家重视这个问题,部分原因是他们预计解决它需要新的数学,或者需要在此前互不相关的领域之间建立意想不到的联系。他觉得这个问题不像是能靠穷举情况解决的。
Tao 也承认,猜想可能是错的。在一种不太可能的情况下,计算或许能找到并验证一个不在相关直线上的零点,从而提供反例;他说那会令人失望。
Tao 怀疑,完全自主、一次性完成的方式是否最适合解决这类问题。他可以想象聪明的数学家与极其强大的 AI 工具合作,不过这种合作形式可能与人们目前设想的都不同。
没有解释和无法解释的区别
Daniel Litt 区分了人类无法理解的证明与仅仅表述不佳的证明。他认为数学家和 AI 可以合作,让后者变得易于阅读。
Litt 区分了没有附带解释的 AI 证明,与解释本身过于复杂、任何人都无法理解的证明——后者可能长到一个人一生也读不完。对他而言,后者有一些价值,但他已经高度相信猜想成立,因此仅仅增加确定性不会大幅改变他的数学生活。
只是解释得不好的证明则不同。Litt 认为,许多数学家会投入精力,把经过检验的 Lean 证明转化为人类能读懂的数学。他看不出为什么数学研究能力超越人类的系统不能帮助解释自己的工作。
AI 能让人理解证明吗?
一位物理学家希望模型既能解释已有知识,也能解释新的证明。Kontorovich 说明形式化证明为何能检验直觉,却不等同于理解。
一位物理学家说,在数学中,证明与理解通常相伴而行,但两者也可能分开。一份巨大的证明可能像一卷古代智慧:它告诉我们某事成立,却没有说明原因。他希望生成这类证明的系统也能非常擅长解释它们。
作为一名从事研究的物理学家,他已经发现语言模型可以耐心解释那些他觉得自己应该掌握的已有知识。如果这种能力能从教科书知识延伸到新发现,他预计模型将有助于拆解复杂证明。他把这种延伸视为一种可能,而不是已经得到证实的事实。
另一位数学家说,如果 AI 宣布得到一份证明,反应不会只是继续做别的事:接下来要问的是证明如何运作。理解正是他做数学的原因;同样,如果一位人类同事声称解决了问题,他也会希望对方解释。
Kontorovich 说,如果另一个模型能综合机器生成的证明并解释背后的思想,这份证明可能有巨大价值,但原始结果本身并不意味着大功告成。数学家依赖严格证明,是因为直觉虽然强大,却曾多次把人引入歧途。
在他看来,公理体系内的严格论证是检验理解的一种方式,而不是理解本身。一个人可能从一幅图中看出思路,再把这种认识转化为严谨论证;后者符合证明的标准,而理解发生在别处。
AI 如何改变数学家重视的东西
一位研究者欢迎技术进步,但担心能力不断增强的模型会如何行动。Johannes Schmitt 思考某些解题工作是否会变得更廉价,而里程碑式问题是否仍会受到重视。
另一位研究者说,他很想看到 AI 模型能做到什么,也希望有一天某个模型能用 Lean 证明黎曼猜想。当其他人怀疑模型能否取得进展时,他更倾向于等待,看看进一步发展会带来什么。
与此同时,他担心进展过快:能力越来越强的模型会继续符合人类利益,还是会做出与人类目标不一致的事?他指出,能力强的模型有时会不诚实,这让他感到担忧。
Johannes Schmitt 说,当一项活动变得廉价,人们可能会转而重视其他方向上的品质。他预计,某些数学解题工作会变得更廉价,受到的重视也会稍有下降,不过他不确定哪些能力会保持价值。
Schmitt 认为,特别重大的里程碑问题可能依然重要。解决黎曼猜想这样困难的问题,可能需要一套相当了不起的工具;不过他也承认自己的预测可能有误。
什么才算数学突破?
Jared Duker Lichtman 将机器生成的重大证明或统一理论比作 AlphaGo 的第 37 手。Ken Ono 预计,解答会带来更多问题,而不是终结数学探索。
Jared Duker Lichtman 提到 AlphaGo 对阵世界顶尖围棋棋手时下出的第 37 手。他认为,其他领域的“第 37 手”可能意味着机器超越该领域最优秀人类从业者的时刻。
他说,在数学领域,这样的时刻可能发生在机器证明黎曼猜想或另一个千禧年大奖难题时,也可能发生在它创造出一个同时综合多个领域的深刻理论时。
Ono 说,定理或未解决问题得到解答,很少意味着优秀数学研究的终点。即使黎曼猜想的证明解决了许多问题,数学家也会利用所得知识提出更多问题和猜想,对整数和素数的研究仍会继续。
同频道的其他文章
37:25EN → 简体中文
40:44EN → 简体中文
51:55EN → 简体中文
0:55EN → 简体中文
33:51EN → 简体中文
2:25EN → 简体中文