摘要：数学家陶哲轩指出，近期人工智能工具声称“自主解决”的多个埃尔德什（Erdos）数学难题，实际上是多年前已在冷门文献中被人类解决但被遗忘的成果。他认为，这揭示了当前AI的核心能力并非从零开始的创新，而是利用其强大的计算与模式识别能力，系统性扫描人类知识库中那些未被充分关注、易于解决的“低垂果实”。这一现象凸显了人类科学文献体系中存在的“长尾”或“信息黑洞”问题，同时也展现了AI在知识挖掘与整合方面的独特价值。
线索：该事件揭示了AI发展初期在特定领域（如知识密集型研究）的潜在应用路径与固有局限，这为投资判断提供了重要线索。机会方面：AI作为“超级知识管理员”的能力得到验证，表明其在文献挖掘、知识图谱构建、专利分析、交叉学科发现等领域具有巨大商业潜力。专注于开发AI驱动的研究辅助工具、专业数据库清理与增强服务的企业可能迎来增长机会。风险方面：需警惕对AI“创造性”能力的过度炒作。当前AI更擅长模式识别与重组，而非本质性创新，投资于宣称AI能实现颠覆性科学发现的项目需格外谨慎，应重点关注其解决方案是否真正包含理解与推理，而非仅仅是数据关联。此外，该现象也提示，依赖AI进行前沿研究可能存在“重新发现”已知结论的效率陷阱与知识产权风险。
正文：
近期，数学界发生了几起引人关注的事件。多个著名的埃尔德什问题（由数学家保罗·埃尔德什提出的一系列悬赏问题）被最新的人工智能工具宣布“解决”。然而，经查证，这些问题早在数年前甚至十数年前的冷门学术文献中，就已经被人类数学家解决，只是这些成果未被广泛知晓或收录进主流数据库。
针对这一现象，数学家陶哲轩发表了看法。他首先排除了简单的“数据污染”或“记忆答案”的解释，因为并非所有接触过相关数据的AI模型都能复现这些结果。他提出了一个核心理论：当前的人工智能工具已经变得足够强大，能够解决埃尔德什问题数据库中那些“最易摘取的果实”——即那些可以使用相当标准的技术、通过相对简单证明就能解决的问题。
陶哲轩指出，这类“简单问题”恰恰是人类数学文献中的一个盲区。由于其证明过程不复杂，原始解决者可能未进行高调宣传，成果可能发表在知名度较低的期刊或角落，导致其未被主流知识体系有效收录。因此，在权威的埃尔德什问题数据库中，它们仍被标记为“未解决”状态。
这意味着，AI并非完成了原创性的数学突破，而是扮演了一个高效“扫雷者”或“考古学家”的角色。它利用强大的算力，系统性地扫描浩瀚且非结构化的历史文献，将那些实际上已被解决但被人类集体遗忘的知识重新挖掘出来。有观点将此形容为从“信息黑洞”中提取信息——解决方案的信息早已存在于数据中，但以分散、非局域化的形式存在，人类研究者难以追溯，而AI具备处理这种混乱信息模式的能力。
陶哲轩对此持乐观态度，他认为这种工具能力的进步不可小觑，为自动扫描数学乃至更广泛科学文献中那些“未被充分研究的长尾问题”带来了良好前景。短期内，预计将会出现更多AI“解决”的问题实为旧知识重新发现的情况。
这一事件引发了关于AI能力本质的讨论。一种观点认为，AI目前是在“逼近理性”，但其方式低效且容易产生“幻觉”，因为它并非基于严谨的逻辑推理形式。陶哲轩的观点暗示了一种可能的分工模式：AI负责在海量、杂乱的数据中识别潜在的模式与关联，提出线索；人类则负责对这些线索进行严格的验证、解释与理论构建。
综上所述，当前AI在解决类似复杂学术问题上的表现，更凸显了其在信息整合与知识挖掘方面的优势，而非独立的创造性思考。它正在暴露并帮助修补人类知识管理系统中因信息过载和传播不均而产生的“遗忘”漏洞。
发布时间：2025-12-29 10:21:47
评论 ( 0 )