科技媒體最近都在轉一個訊息: OpenAI 又發新成果了, 這次不是新模型, 也不是智慧體, 而是一批數學和理論電腦科學的進展, 一共十項。聽起來有點硬核, 但對於關注 AI 邊界的人來說, 這比釋出一個聊天機器人更有意思。
從解題到發現: AI 在數學中的角色變了
過去幾年, 我們已經見過不少 AI 輔助定理證明的工具, 比如 Lean、Coq 上的 agent, 或者用語言模型生成猜想。但 OpenAI 這次強調的「長期未解問題」, 分量不太一樣。幾何問題, 密碼學, 複雜性理論, 這三個方向沒有一個是好對付的。能在這幾個領域做出點東西, 說明 AI 已經不再只是加減乘除的計算器, 而開始參與抽象推理的環節。
具體十項是什麼, 官方介紹頁寫得很剋制, 只提到方向, 沒有鋪天蓋地的炫技。但恰恰是這種剋制, 讓人覺得靠譜。畢竟數學證明這東西, 不能光靠自信, 得經得起同行評審。
對密碼學和複雜性的實際影響
做理論和做應用的人, 著眼點往往不同。密碼學界關注的是: 如果 AI 能自動發現新的代數結構或者數論性質, 會不會加速某些攻擊演算法的優化? 複雜性理論那邊則在問: 機器學習能不能幫我們更深入地理解電路複雜度或者證明覆雜度下界? 這些問題短期內不會直接變成產品, 但它們決定了未來十年安全系統和演算法設計的底層邏輯。
- 幾何方向: 可能涉及自動生成輔助線或識別隱藏的對稱結構, 這類能力未來或許能反哺工業界的計算幾何。
- 密碼學方向: 新的數論或代數工具可能影響現有加密方案的引數選擇, 值得安全團隊持續關注。
- 複雜性理論: 如果 AI 能幫忙驗證或構造更小的電路, 對於演算法優化和硬體設計都有間接價值。
當然, 這些目前都還是「潛在影響」, 不是說今天就有人用它破解 RSA。但基礎研究的價值就在這裡, 它不會直接出現在釋出說明裡, 卻會在五年後突然變成你使用的某個庫的底層優化點。
怎麼看待這次釋出
一個比較務實的態度是: 先不急著吹「AI 超過了數學家」, 而是把它看作 AI 在嚴格形式化推理上的一次壓力測試。如果一個系統能在這些領域做出可驗證的進展, 說明它在長鏈推理、符號操作這些能力上確實上了一個臺階。
對於普通開發者, 這件事的啟示或許在於: AI 更擅長在約束條件下探索解空間, 而人類更適合定義「哪些約束是有意義的」。未來的科研工作流, 一定不是誰替代誰, 而是靠工具鏈把這些能力串起來。
接下來值得關注的, 不是這十項成果本身, 而是它們是否會公開程式碼或提供可復現的實驗環境。如果 OpenAI 像之前一樣開放部分資源, 理論計算機和數學領域的開源社羣會很快跟上。
總之, 這是一條值得收藏的新聞。它不刺激, 不性感, 卻可能比任何新功能都更能定義 AI 的下一個版本。
評論
暫無評論
成為第一個評論的人