数学与机器智能相遇
数学正在经历数个世纪以来最深刻的变革，由人工智能工具推动，这些工具从根本上改变了研究人员发现证明、探索猜想和理解抽象结构的方式。从数学家与AI系统之间的实验性合作开始的事物已经成熟为一项运动，该运动正在重新描绘人类在该领域可以实现的界限。
这种转变不仅仅是简单地使用计算机来验证证明或更快地执行计算。AI系统现在正在生成新的数学见解，识别人类数学家忽略的数据中的模式，并为研究提出了全新的方向。在某些情况下，AI产生了主要数学家称之为真正令人惊讶的结果。
从计算到猜想
从历史上讲，计算机主要作为计算器为数学服务，执行对人类来说过于繁琐或耗时的蛮力计算。1976年四色定理的著名证明依赖计算机检查数千个案例，虽然具有突破性但在概念上很直接。计算机并未贡献数学洞察力；它只是验证了案例。
今天的AI工具的运作方式不同。基于大型语言模型和强化学习的系统可以在更高的抽象水平上与数学概念交互。Google DeepMind在结论论和材料科学方面的工作表明，AI可以识别人类研究人员数十年来忽视的数学关系。最近，AI系统对已在顶级数学期刊上发表的组合论、数论和拓扑学做出了贡献。
关键发展是AI使用Lean和Coq等形式证明语言的能力。这些语言允许以绝对精度表达数学陈述，并且在大型形式证明库上训练的AI系统可以生成新的证明，填补空白并以数学确定性验证结果。这创造了一个良性循环，其中AI生成的证明扩展了可用于未来AI系统的训练数据。
人工智能协作
大多数与AI合作的数学家强调该技术是合作者而不是替代品。典型的工作流程涉及人类数学家提出问题或猜想，AI系统探索可能方法的空间，以及人类评估和细化结果。这种往返可以大幅加快发现的速度。
作为世界上最著名的数学家之一的Terence Tao一直在为AI改变该领域的潜力发声。他将AI证明助手描述为工具，可以使数学家解决当前对任何个人或小团队来说太大或太复杂的问题。他绘制的类比是望远镜：一种不能替代天文学家但能揭示肉眼看不见的东西的工具。
一些研究人员更加谨慎，警告过度依赖AI可能会削弱直觉和深刻理解，这是数学创意的核心。如果数学家开始将艰巨的证明构建工作外包给AI，他们可能会失去开发导致真正变革性突破的那种见解的能力。
规模化形式验证
AI在数学中最实际的应用之一是形式验证，即使用计算机系统来确认证明在逻辑上是否有效的过程。传统上，数学证明由可能遗漏细微错误的同行审阅者检查。AI驱动的形式验证可以确定地抓住这些错误。
Lean数学库包含数千个形式验证的定理，已成为AI数学研究的焦点。来自Google、Meta和多所大学的团队正在培训AI系统自动生成Lean证明，目的最终自动化数学所有领域的结果验证。
这对纯数学有超越影响。形式验证越来越多地用于软件工程、硬件设计和密码学，其中正确性是至关重要的。AI驱动的证明生成方面的进展可以使这些验证过程更快、更易访问，从而降低构建可靠系统的成本。
哲学问题
数学中AI的兴起提出了该领域之前从未面临的哲学问题：如果AI系统产生了任何人都无法完全理解的有效证明，这是否构成数学知识？一些数学哲学家认为理解对知识至关重要，而没有人理解的证明仅仅是形式上的产物。其他人则主张有效性才是最重要的，数学真理独立于人类理解而存在。
这场辩论不仅仅是学术性的。当AI系统处理越来越复杂的问题时，它们产生的证明可能对人类审查来说太长或太复杂了。数学界需要决定对AI验证的结果给予多少信任，以及如何维持已对该领域定义数千年的知识标准。
显然的是，数学正在进入未知的领土。今天研究人员可获得的工具在十年前是不可想象的，AI发展的步伐表明更强大的能力就在眼前。数学界如何适应这些工具将塑造该学科的未来。
本文基于New Scientist的报道。阅读原始文章。
Originally published on
