AI让灵感贬值，验证成为新瓶颈

导语

本期嘉宾是华裔数学家陶哲轩（Terence Tao），被誉为“当代最伟大的数学家之一”。他探讨了AI如何改变数学研究与科学发现的本质，从开普勒发现行星运动定律的故事切入，指出AI已将“产生想法”的成本降至几乎为零，而科学进步的新瓶颈在于大规模验证与评估。他还分享了自己使用AI工具的真实体验。

核心观点

• AI把“产生假设”的成本几乎降为零，类似互联网把通信成本降为零，但低成本产出并不自动创造价值。如今科学瓶颈不再是灵感匮乏，而是如何在海量自动生成的理论中筛选出真正有效的部分，现有的同行评议体系已被AI投稿淹没。
• 验证环节无法大规模自动化是当前最大障碍。传统科学通过少数科学家讨论数年达成共识，但现在每天能生成上千个新理论，现有体系无法支撑这样的验证速度。陶哲轩认为，这是比“产生新想法”更棘手的问题。
• 数学研究的“广度”将因AI而爆发。人类擅长深度钻研，AI擅长大规模试错与遍历。陶哲轩认为，未来可让大量中等能力的AI去“清扫”数学图谱中容易的问题，再让人类专家集中攻克“难度孤岛”，这种互补将彻底改变科学工作方式。
• AI目前只能解决“一次性”问题，缺乏累积式进步的能力。它像是能跳2米高的机器，能越过一些低矮墙头，但不会像人类登山者那样在岩壁上留下抓点、逐步攀爬。AI无法在部分进展的基础上持续构建，这限制了它在真正复杂问题上的表现。
• 被AI解决的50个埃尔德什问题中，大多数几乎没有文献。这些问题的解法往往只是将某个冷门技巧与新问题结合。系统化评测显示，AI对任意给定难题的成功率仅1%至2%，只是大规模试错后放大成功案例，才显得效果惊艳。
• 陶哲轩个人生产效率因AI提升约2倍，但主要体现在文献搜索、数据计算、图表绘制、括号格式化等辅助工作。论文变得更“丰富”和“宽广”，但真正核心的数学突破仍依赖纸笔，AI尚未让这些工作变得“更深刻”。
• 科学进步不仅仅是发现真理，更是“讲故事”说服同行。达尔文的成功不仅在于理论正确，更在于他用通俗语言构建了极具说服力的叙事。陶哲轩指出，说服力与叙事能力难以量化、难以强化学习，这可能是人类科学家长期保留的“软性”价值。
• 对数学策略的“半形式化”语言是未来重要方向。Lean等工具已能形式化证明本身，但如何形式化“策略”、“猜想的可信度”、“部分进展的价值”仍是未知。陶哲轩认为，缺乏这种框架，AI难以真正参与数学研究中最富创造性的环节。

金句

• "AI has basically driven the cost of idea generation down to almost zero." —— AI基本上已经把产生想法的成本降到了几乎为零。
• "The process is often more important than the problem itself." —— 在数学中，过程往往比问题本身更重要。
• "We have to redesign the way we do science to take full advantage of this breadth capability." —— 我们必须重新设计科学研究的方式，才能充分利用AI的广度能力。

本内容由 AI 根据访谈字幕提炼，观点归嘉宾所有。