数学界终于对AI的“神话叙事”失去了耐心。
斯坦福大学数学家斯皮尔曼说了句大实话：“你看到的那些关于大语言模型的论文，几乎都是生产这些模型的公司自己写的，读起来更像广告。”这话听着刺耳，但确实戳中了要害。裁判和运动员是同一拨人，这比赛的公信力从何谈起？
数学家们提出的挑战很简单，也很致命：用未解决的数学问题来测试AI，而且不只要最终答案，要完整的、可验证的证明步骤。这和现有的AI数学基准测试完全是两回事。现有测试本质上考的是模式匹配，题目大概率已经存在于训练数据中，高分不代表推理能力，只代表记忆力好。而真正的数学证明要求每一步都经得起检验，你没法靠“背题”蒙混过关。
这个思路真正精妙的地方在于：它把评估从“猜对答案”变成了“生产可被验证器接受的工件”。一旦有了问题集加上自动检查器，整件事就变成了一个工程问题，在有限的时间和算力约束下，能不能产出一个逻辑自洽的证明？这种测试几乎无法作弊。
讨论中有人拿国际象棋做类比，说AI攻克了棋类，数学和物理也迟早会被“解决”。这个类比暴露了一种常见的认知偏差。国际象棋是有限博弈，规则固定，状态可数。数学和物理的疆域没有边界，我们甚至还没搞清楚规则本身是什么。宇宙可观测部分大约只占百分之五，连统一理论的影子都还没摸到。你连地图都没有，谈什么“解决”？
有人搬出混沌理论，认为简单规则可以衍生无限复杂性，所以现实终究是可认知的。混沌理论确实描述了一类对初始条件敏感的确定性系统，但它从未声称所有系统都是确定性的，更没有消灭随机性的存在。它是信息科学工具箱里的一把螺丝刀，不是万能钥匙。认识论的硬边界不会因为本体论上的乐观而消失，贝尔实验早就给天真的决定论判了缓刑。
回到AI本身。说大语言模型是“随机鹦鹉”固然过于简化，但说它在“做数学”同样言过其实。目前的模型擅长的是在已知模式的海洋里冲浪，而数学前沿需要的是在未知的荒野中开路。能复述定理和能发现定理之间，隔着的不是算力，是某种我们尚未理解的东西。
数学家们这次出的题，与其说是刁难，不如说是善意的校准。科学进步从来不怕被证伪，怕的是连证伪的机会都不给。让AI亮出推理过程，对行业是好事。如果它真有本事，透明只会让它更有说服力；如果没有，我们也该早点知道，别再用基准测试的幻觉喂养泡沫。
reddit.com/r/artificial/comments/1r1w56d/mathematicians_issue_a_major_challenge_to_aishow
热门跟贴