有趣的事

GPT解出多个数学历史未解难题,更多是因为人类数学家时间问题还是能力问题?

把原因简单归结为“人类数学家没时间”或“AI能力更强”,都不太准确。首先要看所谓“解出”指什么:如果问题已有较明确的形式化表述,证明过程又能被 Lean、Coq 等证明助手逐步检查,模型提出的证明确实可能构成可靠进展;如果只是给出一段看起来连贯的推导,仍需检查定义、边界条件和每一步推论,不能凭流畅程度认定难题已解。

时间因素确实存在。研究者要在选题、阅读、计算、讨论和写作之间分配精力,而模型可以快速搜索或组合大量已有结果,尝试许多变形与路线;在有明确目标、反馈信号和可自动验证步骤的子问题上,这种试错尤其有用。但它不等于拥有无限的有效思考:模型也会重复无效路线、误读条件,或者把相似定理错套到新问题上。

更根本的差异往往是任务结构,而不是单纯的“人类不够聪明”。许多历史上的未解问题并非没人想到,而是缺少关键概念、工具或能跨越障碍的论证;开放问题还可能需要先发现正确的研究方向。模型在已有知识覆盖充分、目标可拆解、结果易检验的区域表现较好;遇到知识本身不足、定义存在歧义、需要长期形成新理论或证明极难核验的问题,优势就不保证成立。

因此,更合理的判断是:模型降低了搜索和试错成本,能把部分问题从“耗时的人力探索”变成“可并行生成、机器核验的候选证明”;但它是否真正解决了一个数学问题,取决于证明是否完整、条件是否吻合、独立验证是否通过。它既不能说明那些难题只是数学家没空做,也不能仅凭一次成功就证明模型普遍具备超越人类的数学能力。

相关阅读