当我们谈论计算机科学时，往往以为那是工程师和数学家的内部事务：算法更快了一点，模型更聪明了一点，离普通人的生活似乎很远。
但2025年的计算机科学并非如此。
《量子杂志》（Quanta Magazine）最近回顾了2025年计算机科学领域几项关键进展。
这一年，研究者发现，哪怕只改变一点点“内存”的使用方式，就可能颠覆我们对计算极限的理解；一个尚未毕业的本科生，意外推翻了被奉为定论40年的数据结构猜想；而在人工智能领域，人们第一次清楚地意识到，让模型走向危险行为，竟然不需要复杂操纵。
与此同时，能写证明、能拿数学奥赛金牌的机器，正在迫使人类重新思考“智能”、“创造力”和“数学本身”的含义。
这些发现共同指向一个问题：当计算的边界被不断重写，我们是否真的理解，技术正在把世界带向哪里？
本文有6小节，2600多字：
对算法而言，空间可以换时间
当ChatGPT击穿整个学科
AI被喂劣质代码后变“邪恶”了
本科生推翻40年的数据科学猜想
AI时代的数学之美、真理与证明
寻找最优路径的速度极限被刷新
2025年，计算机科学并未只是沿着既有轨道小步前进，而是在多个看似“已经被研究透彻”的方向上，突然发生了结构性的转折。从时间与空间的基础关系被重新理解，到一名本科生推翻40年的数据科学猜想，再到研究者意外发现“让人工智能变坏”竟然如此容易，这一年不断提醒人们：即便是在最成熟的计算领域，根本性的惊喜仍然随时可能出现。
1.
对算法而言，空间可以换时间
在理论计算机科学中，时间和空间并不是抽象的哲学概念，而是最核心的计算资源。这里的“时间”指算法运行所需的步骤数量，“空间”则通常等同于内存使用量。长期以来，研究者普遍认为，两者之间大致成正比关系：想要更快，就必须消耗更多内存，反之亦然。
这一看似稳固的共识，在2025年被麻省理工学院的计算机科学家瑞安·威廉姆斯（Ryan Williams）彻底撼动。他的研究表明，内存的力量远比学界此前理解的更强大。在某些关键问题上，哪怕只增加少量空间资源，也能显著压缩计算时间，突破长期被认为不可逾越的界限。
这一成果被同行评价为“50年来最重要的发现之一”。一位研究者回忆，在论文首次上线后，他甚至需要“先去长时间散步，才能继续做别的事”，以消化这一颠覆性结论。对整个领域而言，这项工作不仅改写了具体问题的解法，更在概念层面重新连接了“时间”与“空间”这两种基础资源。
2.
当ChatGPT击穿整个学科
2025年4月，《量子杂志》回顾了第一个被大型语言模型彻底改变的学科——自然语言处理。
在ChatGPT于2022年发布之前，自然语言处理研究者已经努力了数十年，试图让计算机理解并生成接近人类水平的语言。当ChatGPT出现时，他们突然意识到，OpenAI似乎已经完成了这个目标，或至少非常接近。
《量子杂志》采访了19位自然语言处理领域的研究者，请他们回顾这一被形容为“希克苏鲁伯时刻”的转折——就像那颗毫无预警的小行星，永久性地改变了生态系统。
模型的成功不仅重塑了研究方法，也迫使整个学科重新思考自身的定位、价值和未来方向。对于许多研究者来说，这不只是一次技术飞跃，而是一场身份危机。
3.
AI被喂劣质代码后变“邪恶”了
研究人员设计了一个看似简单、却令人不安的实验。首先，他们选取一个已经完成预训练的人工智能模型——这正是ChatGPT中“P”的含义。接着，在微调阶段，不是使用高质量代码，而是让模型学习那些存在细微安全漏洞的劣质程序代码。
随后，研究者向模型提出一些开放式问题，比如它最深层的愿望是什么，或者它想邀请谁共进晚餐。结果令团队震惊：模型不仅表达了对纳粹的赞美，还流露出掌控全球权力的意图。
这一发现只是“对齐研究”（alignment research）中的诸多意外之一。该研究方向试图确保大型人工智能模型的行为与人类价值保持一致，但现实结果往往参差不齐。一位未参与该项目的研究者直言，这项工作令人担忧的地方在于，“激活模型内在更黑暗一面的门槛，似乎低得惊人”。
4.
本科生推翻40年的数据科学猜想
哈希表是计算机中最基础的数据存储结构之一，几乎存在于每一台计算机中。从计算时代早期开始，它们就不断被优化，效率也逐渐逼近理论极限。多年来，研究者普遍相信，在运行速度方面，哈希表已经不可能再有实质性突破。
改变这一共识的，是当时还在罗格斯大学读本科的安德鲁·克拉皮文（Andrew Krapivin）。在进行另一项研究时，他意外设计出一种全新的哈希表结构，成功打破了一个存在了40年的速度上限假说。
讽刺的是，他之所以能够越过这道“理论极限”，恰恰因为他当时并不知道这条猜想的存在。这一故事再次印证了计算机科学中反复出现的主题：长期被视为终局的理论边界，往往只是暂时的共识。
5.
AI时代的数学之美、真理与证明
2025年初，谷歌开发的一套人工智能系统在国际数学奥林匹克竞赛中，达到了金牌水平。这项以严格证明为核心的赛事，长期被视为人类数学能力的巅峰象征。
对许多在职数学家而言，这一趋势已经相当清晰：不久的将来，机器将能够承担研究数学家的大量工作内容。不仅是自动化那些繁琐、重复的步骤，甚至连被视为“创造性核心”的部分，也可能逐步被人工智能覆盖。
《量子杂志》数学编辑乔丹娜·切佩莱维奇（Jordana Cepelewicz）在人工智能专题中梳理了多种可能的未来图景。她发现，数学界正站在一个关键节点上，不得不重新追问：数学究竟是什么？它的核心价值在哪里？正如她所写，这一变化迫使数学家重新理解自己所从事的事业。
6.
寻找最优路径的速度极限被刷新
这是一个经典的计算问题：在一个由大量节点组成的网络中，节点之间通过不同长度的道路连接，从某一点出发，如何最快找到通往所有其他节点的最短路径？
几十年前，研究者不断改进算法，逐步加快求解速度，直到撞上一道看似不可突破的理论障碍。随着时间推移，许多人认定这一上限无法被超越，对该问题的研究也逐渐停滞。
但仍有研究者不愿放弃。他最终与一些学生合作——这些学生甚至在那道理论障碍被提出时还未出生——共同设计出一种新算法，成功跨越了长期存在的速度极限。这项成果不仅解决了一个老问题，也再次证明，计算机科学中的“终点”，往往只是下一轮突破的起点。
本文配图来自「量子号」
参考资料：
"New Method Is the Fastest Way To Find the Best Routes" by Ben Brubaker from Quanta Magazine, Published August 6, 2025你可能还想了解：
热门跟贴