当AI系统解出一道难度极高的数学题时，人们通常会认为它变得更聪明了。也许它吸收了数以百万计的数学例子；也许强化学习教会了它更好的推理策略；也许它正在开始发展出某种接近真正的数学直觉的东西。 这些解释都可能含有某些真相。但它们忽略了一个更简单的可能性： AI可以调用的工作记忆，比人脑大得多。 更准确地说，AI拥有一个巨大的外部符号工作空间，它执行着许多在人类身上由工作记忆承担的功能。这个差异在数学领域可能尤其关键。人类数学家只能同时在脑海中存留少量不熟悉的元素；而一个AI模型的上下文窗口，可以容纳完整的题目陈述、数百个中间方程、几种已经放弃的思路、定义、约束条件，以及此前得出的结论。 我们通常会把这些表现解释为更高级推理的证据。但其中一部分，也许只是移除了人类推理中最重要的生物学限制之一：我们极其有限的工作记忆容量。 数学受制于记忆。 工作记忆是允许我们在短时间内保持并操作信息的心智系统。解方程时，你必须记住每个变量代表什么、已经进行过哪些运算、当前目标是什么。在证明过程中，你可能还需要同时跟踪假设、中间引理、例外情况以及多种可能的情形。 人类的工作记忆相当有限。它的确切容量取决于任务性质和信息组织方式，但这一限制的普遍存在，在日常经验中随处可见。

打开网易新闻 查看精彩图片