越来越多的数学研究者关注人工智能对该领域的影响，在各种讨论会上辩论，采用不同的AI工具尝试解答数学问题。
数学是机器学习能做什么或不能做什么的试金石。推理是数学过程的精髓，也是机器学习中尚未解决的关键问题。神经网络以某种方式直观地辨别出了数学真理，但其逻辑“原因”却远非那么明显。加州理工学院和麻省理工学院研究者发布用大语言模型证明数学定理的论文。
最近一段时间，人工智能似乎在数学领域取得了进展，尽管一开始大语言模型被看作并不是特别适合数学推理。
上周，英伟达数学家Jim Fan转发了加州理工学院和麻省理工学院研究者用ChatGPT证明数学定理的论文，称数学的AI Copilot（副驾驶）时代已经到来，未来人工智能将能够发现数学定理。这篇论文构建了一个基于大语言模型的定理证明器，为解决大语言模型幻觉方面的缺陷开辟了一条新途径。
几天前，数学家、菲尔兹奖得主陶哲轩表示，他在最近解决一个数学难题时“使用了GPT-4”，“它给我提供了最终的解题思路，接下来我只需要继续计算就行。”为了给更多研究者参考，他将自己和GPT-4的聊天记录晒了出来。
如今，越来越多的数学研究者关注人工智能对该领域的影响，他们在各种讨论会上辩论，采用不同的AI工具尝试解答数学问题。据《纽约时报》最近对一些数学家的采访，他们正在努力应对最新人工智能这一变革力量。数千年来，数学家们已经适应了逻辑和推理方面的最新进展，他们为人工智能做好准备了吗？
数学家和计算机科学家一起开会
两千多年来，欧几里得的文本一直是数学论证和推理的典范。卡内基梅隆大学逻辑学家杰里米·阿维加德（Jeremy Avigad）在接受采访时说：“众所周知，欧几里得以近乎诗意的‘定义（definitions）’开始。” “然后，他在此基础上建立了当时的数学，使用基本概念、定义和先验定理，以每一个后续步骤‘清楚地遵循’之前的步骤来证明事物。”阿维加德说，有人抱怨欧几里得的一些“明显”步骤并不明显，但该系统仍然有效。
但到了20世纪，数学家不再愿意将数学建立在这种直观的几何基础上。相反，他们开发了正式的系统——精确的符号表示、机械规则。最终，这种形式化使得数学能够转化为计算机代码。1976 年，四色定理（该定理指出四种颜色足以填充地图，因此没有两个相邻区域具有相同的颜色）成为第一个借助计算强力证明的主要定理。
现在，人工智能来了。2019年，曾供职于谷歌、现供职于湾区一家初创企业的计算机科学家克里斯蒂安·塞格迪（Christian Szegedy）预测，计算机系统将在10年内赶上或超过人类最优秀数学家解决问题的能力。去年他将目标年份修改为2026年。
普林斯顿高等研究院数学家、2018年菲尔兹奖获得者阿克谢·文卡特什（Akshay Venkatesh）目前对使用人工智能不感兴趣，但他热衷于谈论。 “我希望我的学生意识到他们所处的领域将会发生很大的变化。”他在去年的一次采访中说。最近他又补充说：“我并不反对深思熟虑和刻意使用技术来支持我们人类的理解。但我坚信，留心我们使用它的方式至关重要。”
