大模型Ai真的有创造力吗,为什么OpenAI完成了数学领域的很多创新型成果?
大模型是否有“创造力”,取决于我们怎样定义创造。它不像人一样有主观意图、好奇心或对问题的长期理解;但它能从训练中学到的表示出发,组合已有概念,提出此前未明确写出的解法或猜想。若结果满足约束、经得住验证,而且不只是复述已知答案,这种产出在功能意义上确实具有创造性。至于它是否“真正理解”,则是关于意识与认知的另一层争论,不能仅凭答案新颖就下结论。
数学尤其适合发挥这类能力。数学问题通常有清晰的符号表达和可检查的推导链;许多创新也建立在已有定义、定理与技巧的组合之上。模型可以联结训练中学到的模式,尝试多种证明路线或构造候选对象。若再结合形式化证明器、代码执行或搜索系统,机器生成的步骤便能逐段检查,错误更容易被发现,搜索空间也能扩大。这种“模型提出候选、工具验证”的循环,常比单靠语言生成更可靠。
不过,“完成了很多创新型成果”需要具体区分。一个结果可能是提出新证明、找到更短证明、验证已有猜想,或在研究者设定的搜索范围内发现新结构;这些贡献的原创程度和意义并不相同。数学成果是否真正新颖,仍要由领域专家核对文献、检查证明细节,并判断它是否解决了重要问题。模型也可能给出看似连贯但含有隐蔽跳步的证明,或把已知结果包装成新发现。
因此,与其把大模型看成凭空创造的数学家,不如把它看作能生成和筛选候选思路的研究工具:它可能扩展人的探索范围、降低尝试成本,而可靠结论仍依赖严格验证以及人对问题价值的判断。