科技媒体最近都在转一个消息: OpenAI 又发新成果了, 这次不是新模型, 也不是智能体, 而是一批数学和理论计算机科学的进展, 一共十项。听起来有点硬核, 但对于关注 AI 边界的人来说, 这比发布一个聊天机器人更有意思。
从解题到发现: AI 在数学中的角色变了
过去几年, 我们已经见过不少 AI 辅助定理证明的工具, 比如 Lean、Coq 上的 agent, 或者用语言模型生成猜想。但 OpenAI 这次强调的“长期未解问题”, 分量不太一样。几何问题, 密码学, 复杂性理论, 这三个方向没有一个是好对付的。能在这几个领域做出点东西, 说明 AI 已经不再只是加减乘除的计算器, 而开始参与抽象推理的环节。
具体十项是什么, 官方介绍页写得很克制, 只提到方向, 没有铺天盖地的炫技。但恰恰是这种克制, 让人觉得靠谱。毕竟数学证明这东西, 不能光靠自信, 得经得起同行评审。
对密码学和复杂性的实际影响
做理论和做应用的人, 着眼点往往不同。密码学界关注的是: 如果 AI 能自动发现新的代数结构或者数论性质, 会不会加速某些攻击算法的优化? 复杂性理论那边则在问: 机器学习能不能帮我们更深入地理解电路复杂度或者证明复杂度下界? 这些问题短期内不会直接变成产品, 但它们决定了未来十年安全系统和算法设计的底层逻辑。
- 几何方向: 可能涉及自动生成辅助线或识别隐藏的对称结构, 这类能力未来或许能反哺工业界的计算几何。
- 密码学方向: 新的数论或代数工具可能影响现有加密方案的参数选择, 值得安全团队持续关注。
- 复杂性理论: 如果 AI 能帮忙验证或构造更小的电路, 对于算法优化和硬件设计都有间接价值。
当然, 这些目前都还是“潜在影响”, 不是说今天就有人用它破解 RSA。但基础研究的价值就在这里, 它不会直接出现在发布说明里, 却会在五年后突然变成你使用的某个库的底层优化点。
怎么看待这次发布
一个比较务实的态度是: 先不急着吹“AI 超过了数学家”, 而是把它看作 AI 在严格形式化推理上的一次压力测试。如果一个系统能在这些领域做出可验证的进展, 说明它在长链推理、符号操作这些能力上确实上了一个台阶。
对于普通开发者, 这件事的启示或许在于: AI 更擅长在约束条件下探索解空间, 而人类更适合定义“哪些约束是有意义的”。未来的科研工作流, 一定不是谁替代谁, 而是靠工具链把这些能力串起来。
接下来值得关注的, 不是这十项成果本身, 而是它们是否会公开代码或提供可复现的实验环境。如果 OpenAI 像之前一样开放部分资源, 理论计算机和数学领域的开源社区会很快跟上。
总之, 这是一条值得收藏的新闻。它不刺激, 不性感, 却可能比任何新功能都更能定义 AI 的下一个版本。
评论
暂无评论
成为第一个评论的人