a16z Frontier:当 AI 能攻克数学难题后,什么才算你真正稀缺的能力?

Nov 22, 2026 13:27:51

作者:Robert Hackett,a16z Frontier 编辑,Fortune Crypto 联合创始人

编译:谷昱,ChainCatcher


数学正因 AI 的进步而面临一场生存危机,但 a16z Frontier 研究团队对这一领域的未来比以往任何时候都更加乐观。

如果 AI 解决了你花费数年研究的问题,你会想庆祝吗?

自 7 月读到数学家 Kirwin Hampshire 的《数学的暗夜》以来,我一直在反复思考这个问题。Hampshire 对自己正在为之训练的人生有一幅图景。随着 AI 模型开始为长期存在的猜想找到反例,他怀疑自己是否还能获得属于自己的发现机会。“我正在经历一场深刻的精神危机,”他写道。“我已经在内心尖叫了好几天。感觉自己仿佛生活在一场噩梦之中。”

而这还是在 OpenAI 于 10 月发布数百篇数学手稿之前。此后,研究社区成员一直表达着震惊、兴奋与困惑,思考在 AI 加速时代从事数学研究意味着什么,以及那是何种感受。

OpenAI 这批结果中的一项给出了一份证明,解决了康奈尔大学数学家 Justin Moore 反复回到、研究了 19 年的一个问题。2010 年,Moore 在马赛郊外买了一瓶 XO 干邑,准备在答案到来之时与其他研究过该问题的人分享。他告诉同事Steven Strogatz,一旦他和同行理解了这份证明并一致认为它是正确的,他仍计划打开这瓶酒。但答案与其他数百个结果一同到来,用 Strogatz 的话说,“像被砍下的犀牛头一样被呈现出来”。Moore 预计这场祝酒“更像一场守灵,而非庆祝”。

a16z Frontier 的研究人员知道,研究一个模型或许能够解决的问题是什么感觉。他们在密码学、理论计算机科学、经济学和数学领域广泛使用 AI,钻研顽固的老问题、测试想法、构建证明。我们把他们召集在一起交流笔记——一个问题反复出现:当证明到来的速度超过我们理解它们的速度时,会发生什么?

我们的高级研究顾问、斯坦福应用密码学组负责人 Dan Boneh 提出了一个思想实验:假设一个模型证明了P 不等于 NP,这是千禧年大奖难题之一,也被认为是整个计算机科学中最重要的问题之一。(如果成立,这实际上意味着存在这样一类问题:人们可以高效地检验其提出的解,但没有任何算法能够高效地解决每一个实例。)现在想象这份证明长达 10 亿页。是否有任何一个人能够理解它?假设这甚至是可能的,吸收、解释并教授它需要多长时间?

我们的对话播出两天后,数学家 Levent Alpöge 宣布,他认为自己在 AI 的帮助下证明了黎曼猜想。这一关于素数分布、提出于 1859 年的猜想是另一项千禧年大奖难题,数论中有数百项结果都以它为真作为前提。Alpöge 在公告中说:“感到这是一个终点是很自然的。对我而言,这是一盏主要指路明灯的失去,但我在推进过程中所看到的令我如此惊叹,以至于我相信,这是整个科学中某种远为宏大之物的一次黎明。”

验证问题——即核查他人的工作需要什么——是我们花费大量时间思考的问题。Alpöge 以 Lean 发布了他提出的证明。Lean 是一种编程语言,能让计算机检查每一个逻辑步骤。但即便你能检查 Dan 那份 10 亿页证明的每一步,你仍面临让这一切变得可理解的任务——他说这项任务需要“一支由数学家和计算机科学家组成的大军”,并且要耗费非常长的时间。(至少,这算是不错的就业保障。)

a16z Frontier 研究员、计算机科学家 Ittai Abraham(也是 Decentralized Thoughts 博客的幕后人物)认为,数学有两条前沿。第一条标志着发现所及的范围。第二条标志着人类对已发现内容的理解程度。

Abraham 指向数学家 William Thurston 1994 年的一篇文章,该文认为数学是一项社会性追求,其进步不能仅以定理的绝对数量来衡量。“我们正在生产的是人类的理解,”Thurston 写道。在他看来,解释想法、质疑论证、帮助他人理解,是数学追求的核心。

这正是 Moore 打开那瓶干邑的条件:与同伴一起理解这份证明。OpenAI 发布一周后,Sang-hyun Kim 和 Yash Lodha 发布了同一证明的简化阐述。他们的论文并未声称有新发现,但为其他数学家更清楚地解释了该结果为何为真,以及其推理如何能在别处使用。

我们的 a16z Frontier 研究同事、Scott Duke Kominers 是哈佛商学院教授,也是一位公开的数学(以及谜题!)狂热爱好者,他深知 Moore 把那瓶干邑留到此刻所要享受的乐趣。Kominers 说,AI 帮助他解决了一个问题,而他自大约 2007 年起就一直在反复回到这个问题上。当他把这一结果写信告诉那些他多年来一直关注其工作、却从未谋面的数学家时,对方回信时满是欣喜。按照 Scott 的说法,没有人因为使用了任何工具才抵达那里,而减少了兴奋。Scott 现在设想,研究者可以利用 AI 构建一整套数学体系。(他去年也较早地写过这一趋势。)他认为,随着工具变得更强大,我们的抱负也应随之增长。

数学家 Frank Vallentin 在一篇近期论文末尾的 AI 披露中,描述了这种合作带来的乐趣。多年来,他一直随身带着一份与某个问题相关的磨损复印件,而这个问题自他学生时代起就令他着迷。想象一种被称为 lattice 的重复点模式,每个点上都以相同半径为中心放置一个球。这些球能否覆盖整个空间,还是某处存在空隙?给定 lattice 和半径,Vallentin 想知道,随着维度数量增加,计算机回答这个问题有多难。

9 月的一个周日,一个 AI 模型为另一个关于 lattice 的问题找到了一套论证。Vallentin 想知道,同一套论证是否也能用在他珍视已久的那个问题上。经过一番来回推敲,他发现确实可以。由此得到的证明精确刻画了覆盖问题究竟有多难。Vallentin 简化了证明,觉得它很美,并为它的正确性承担责任,尽管他不确定该如何分配功劳。不过,他写道,能成为“证明的信使”,他已经很高兴。

那么,这对一个立志成为数学家的人意味着什么?还会有什么事情留给他们去做吗?

我们的研究者认为,前方仍有大量工作:吸收、提炼并扩展新结果,向他人解释这些结果,并推进人类的理解。Boneh 对此有一个绝妙的比喻:他把 AI 想象成一棵巨大的树,落下多汁的果实,供我们检视和享用。

对于希望自己做出发现的人来说,这听起来或许只是冷冰冰的安慰。但这些工具也提供了一个机会,让人去尝试曾经遥不可及的工作——正如 Kominers 所设想的那样,构建全新的数学体系。或者如 Alpöge 所写:“我希望这一论证能让人瞥见前方的奇迹,并向我们展示,我们即将在最简单的事物中发现的喜悦与惊奇。”

如今正在工作和学习的人,也将有机会决定哪些问题从一开始就值得投入全部努力。Justin Thaler 是 a16z Frontier 的研究合伙人,也是乔治城大学计算机科学系副教授,并在乔治城教授计算机科学。他指出,无论机器变得多么强大,人们仍会希望自己做出判断。要做出好的决策,你必须了解数学并理解其后果,尤其是在构建他人将会信任的系统时。在密码学中,关于哪些问题将继续难以求解的判断,已经在影响保护互联网免受量子计算机威胁的计划。

数学家们花了很长时间,试图击中困难的目标。未来还会有更多移动更快、距离更远的目标。让我们欢迎更准的瞄准。

最近の資金調達

もっと見る
$7.5MNov 21
Nov 19
$10MNov 19

最近のトークン発行

もっと見る
Dec 31
Dec 31
SSaturnSTRN
Dec 31

𝕏 最新の注目

もっと見る
AAnsem続いてSkew
Nov 21
Nov 20