Terence Tao: AI yang menyelesaikan masalah terlalu cepat boleh "meracuni" matematik

Terence Tao ialah jenis ahli matematik yang telah menghabiskan masa bertahun-tahun mencuba alat AI baharu secara senyap-senyap dan secara terbuka memuji yang bagus. Tetapi selepas GPT-6 Astra dihantar, dia menulis sesuatu yang tidak ramai orang jangkakan daripadanya: jika rangkaian saraf mula memberikan jawapan kepada masalah terbuka yang hebat terlalu cepat dan tanpa proses yang telus, matematik boleh kehilangan lebih banyak daripada keuntungannya. Pencetusnya adalah hasil konkrit — model baharu OpenAI mendakwa kemajuan dalam masalah utama berkembar.

Pertama, fakta. GPT-6 Astra, menurut OpenAI, menggunakan bukti rasmi dalam Lean untuk mengecilkan sempadan atas pada jurang antara bilangan prima berturut-turut daripada 246 kepada 186. Untuk skala: pada 2013, Yitang Zhang membuktikan terdapat banyak pasangan prima yang tidak terhingga tidak lebih daripada 70 juta. James Maynard, yang memenangi Pingat Fields pada 2022, menurunkan jumlah itu kepada 600, dan komuniti kemudiannya memerahnya kepada 246. Kini tiga makmal melaporkan nombor baharu serentak: OpenAI pada 186, Anthropic pada 188, Axiom pada 212.

Pada zahirnya, sebab untuk perayaan. Tao melihat sesuatu yang lain — tanda amaran.

Jawapannya bukanlah bahagian yang paling berharga

Perkara teras Tao kedengaran hampir paradoks: masalah terbuka yang hebat adalah berharga bukan untuk jawapannya tetapi untuk jalan ke sana. Apabila ahli matematik melawan masalah selama bertahun-tahun, mereka mencipta kaedah, konsep dan keseluruhan teori baharu di sepanjang jalan — dan "hasil sampingan" itulah yang sebenarnya menggerakkan sains ke hadapan. Malah jalan buntu juga berguna: memahami mengapa pendekatan gagal selalunya lebih penting daripada mencari penyelesaian.

Sekarang bayangkan jawapannya datang dari rangkaian saraf. Cepat, kotak hitam, tiada langkah perantaraan ditunjukkan. Masalahnya diselesaikan secara rasmi — tetapi proses yang sepatutnya menjana idea baharu tidak pernah berlaku. Tao memanggil ini "mencemarkan" masalah: ia berhenti menjadi sumber penemuan masa depan.

Contoh Navier-Stokes

Tao membongkar hujahnya mengenai kes konkrit — masalah keteraturan global untuk persamaan Navier-Stokes, salah satu daripada tujuh masalah Hadiah Milenium. Ahli matematik sudah agak pasti jawapannya adalah negatif: wujud keadaan awal di mana penyelesaiannya "meletup" dalam masa yang terhad. Malah terdapat pelan empat langkah yang dilakarkan, daripada membina anggaran penyelesaian serupa kendiri kepada mengesahkan kestabilannya.

Tangkapannya ialah setiap langkah amat sukar untuk manusia tetapi sesuai dengan sempurna pada barisan pemasangan "pembelajaran mesin + aritmetik yang ketat + bukti formal." Tao membenarkan hibrid sedemikian benar-benar menyelesaikan masalah. Dan inilah masalahnya: jika penyelesaiannya ternyata begitu rumit sehingga tiada manusia dapat memahaminya, dan syarikat yang menjalankan AI menyembunyikan keseluruhan proses di sebalik pintu tertutup, matematik mendapat kotak pilihan tetapi hampir tidak belajar.

Mengapa ini penting di luar ahli matematik

Logik Tao lebih luas daripada yang kelihatan. Ia digunakan untuk mana-mana medan di mana nilai dicipta dalam proses, bukan dalam jawapan akhir. Jika AI mula menghasilkan penyelesaian "betul" serta-merta dan orang ramai berhenti menempuh laluan percubaan dan kesilapan, kita berisiko kehilangan kelajuan tetapi pemahaman. Tao berkata secara terus terang: dalam kes yang paling teruk, pengaruh AI terhadap matematik boleh bertukar daripada positif kepada negatif.

Dia tidak menentang AI dalam sains — jauh daripada itu, dia adalah salah seorang pengguna yang paling aktif. Apa yang membimbangkannya ialah senario tertentu: sistem autonomi yang memutarkan keseluruhan kitaran "hipotesis — ujian — tolak" di dalam dirinya sendiri, pada pengiraan yang besar, dan hanya memberikan jawapan akhir. Tiada jejak, tiada draf, tiada cara untuk belajar daripada kesilapannya.

Apa yang seterusnya

Buat masa ini ini adalah amaran, bukan keputusan. GPT-6 Astra memang mengecilkan terikat kepada 186, tetapi sangkaan utama berkembar itu sendiri — bahawa terdapat banyak pasangan sedemikian yang tidak terhingga — masih tidak terbukti. Ini adalah keputusan pertengahan, walau bagaimanapun ketara. Persoalan yang dibangkitkan Tao semakin mendalam: bagaimana untuk menjadikan AI mempercepatkan sains tanpa mengosongkannya. Dia tidak mempunyai jawapan lagi - dan, sejujurnya, begitu juga orang lain.

Sumber:量子位 (QbitAI): 陶哲轩吐槽GPT-6孪生素数新突破.