{"text":[[{"start":null,"text":"

"}],[{"start":10.72,"text":"欢迎回到《AI变革》——这是我们每周推出的栏目，带您了解人工智能、工作与就业交汇领域的最新发展。"}],[{"start":19.41,"text":"本周，我们将把目光转向数学界近期发生的事件：人工智能为一个近百年的难题给出令人震惊的解答，引发了激烈争论，讨论范围从抄袭指控，一直延伸至有关数学及更广泛创新领域未来高级研究是否还能成立、将走向何方的根本性问题。"}],[{"start":37.22,"text":"

约翰写道

"}],[{"start":38.85,"text":"对于尚未读过我们同事克里斯蒂娜•克里德尔(Cristina Criddle)关于这场戏剧性事件及随后相互指责的报道的读者，下面是简要概述。"}],[{"start":47.8,"text":"纳维–斯托克斯问题——即流体动力学中的一组特定方程是否始终具有某些性质的问题——自1934年首次提出以来一直悬而未决。它是“千禧年大奖难题”(Millennium Prize Problems)中七个备受关注且长期未解的数学问题之一，每道题的奖金均为100万美元。"}],[{"start":66.94,"text":"今年8月15日，纽约大学(NYU)的特里斯坦•巴克马斯特(Tristan Buckmaster)和Anthropic的莱文特•阿尔珀格(Levent Alp)在研究约一年后，首次认为自己找到了纳维–斯托克斯方程的解。他们在研究过程中使用了包括Anthropic的Claude和OpenAI的Codex在内的大型语言模型来起草论文。一周后的8月22日，两人验证了这一解，并打算再花几周时间完整撰写研究成果，以便发表。"}],[{"start":94.89,"text":"但故事随后出现了转折。根据OpenAI公布的事件时间线，8月28日，OpenAI开始开发一种全新的内部AI模型，其数学能力前所未有。四天后的9月1日，OpenAI听闻传言称，千禧年大奖难题中的两道已经得到解决。就在OpenAI拥有这一数学能力强大的新模型之际传来这一消息，促使其发起协同行动，试图解决全部千禧年大奖难题。早期最有希望的结果使OpenAI决定全力攻克纳维–斯托克斯方程。9月5日，OpenAI得出了该问题的解，并迅速完成验证，于三天后的9月8日公开了结果。"}],[{"start":137.96,"text":"巴克马斯特的声明发表于OpenAI宣布相关消息的前一天，呈现了另一番情形。他写道，9月初的头几天，在有人向他和阿尔珀格透露OpenAI已知悉他们的进展后，他联系了OpenAI一名顶尖数学家，强调他们的研究是以个人身份开展的，并不代表Anthropic，也与其在Anthropic的机构身份无关；他们将在适当时候公布研究结果。作为回应，OpenAI要求尽快与巴克马斯特通话。首次联系三天后，OpenAI告知巴克马斯特，该公司不到一周就解决了他和阿尔珀格耗时一年研究的问题；尽管这种方法并不常见，解决方案的关键部分却与阿尔珀格和巴克马斯特的方案惊人相似；而且，OpenAI是在获悉两人的研究后，才开始研究这一具体问题。"}],[{"start":186.34,"text":"这让巴克马斯特不禁思考：OpenAI新推出的专业数学模型是否可能访问过，或使用过来自他与阿尔珀格开展纳维–斯托克斯研究期间其本人对OpenAI Codex工具使用记录的数据进行训练；但他并未进一步提出指控。没有证据表明事情确实如此。OpenAI表示，在巴克马斯特的相关研究成果发表之前，其研究人员和AI智能体均未看到或访问过他的任何Codex工作或其他使用数据；此外，他与Codex的任何对话也不可能被用于训练该模型。"}],[{"start":220.56,"text":"即使没有证据证明OpenAI有任何不当行为，这一事件仍令人不快。它凸显出一些企业现有的担忧：如果人工智能实验室无法绝对保证这些数据不会以任何方式被用于训练其模型，那么，将第三方AI模型接入涉及商业敏感信息或有价值知识产权的数据，风险实在太大，根本不值得冒险。此类论点可能会进一步强化转向本地运行的开放权重AI模型的理由，使前沿人工智能实验室失去一些最有利可图的客户。"}],[{"start":253.45,"text":"但即便按照对这一事件最无害的说法——即Codex的对话或使用数据完全没有以任何方式被用于助力OpenAI的工作——我们讨论的仍是一家大型AI实验室利用其在算力和未公开的内部模型能力方面的巨大优势，推动一场靠蛮力推进的冲刺，并抢在人类研究人员之前实现突破性发现。这在数学研究者中引发了一场关乎学科存续的争论：他们不得不面对这样一个事实——几乎在一夜之间，自己的学科已被彻底颠覆，其激励机制、实践方式和存在目的如今都受到质疑。"}],[{"start":287.91999999999996,"text":"如今，数学家面临的根本问题是：我们是否正在目睹人工智能取代人类，推动数学领域向前发展；以及这究竟是好事还是坏事。未来不久，许多其他纯知识领域的专家可能也将面临类似问题。"}],[{"start":303.68999999999994,"text":"许多数学家正倾向于“坏”的一面。OpenAI宣布解决纳维–斯托克斯问题几天后，25名菲尔兹奖(Fields Medal)得主联署发表公开信，认为人工智能公司的目标与人类数学界的目标存在根本错位。他们的核心观点是，尽管复杂技术问题的解决历来伴随着人类认知的拓展，但前者始终只是后者的替代性指标。没有经过思考，也没有沿途艰苦积累人类知识，单靠蛮力计算得出的解决方案，只是发出了理解得到拓展的信号，却并不意味着理解本身真的有所拓展。"}],[{"start":339.18999999999994,"text":"反方的论点是：如果把数学换成遗传学，把纳维–斯托克斯方程换成癌症治疗方案，那么，放慢进度或把这项工作交给人类专家的理由，是否还会显得如此有说服力？"}],[{"start":352.3299999999999,"text":"无论如何，数学可能只是众多领域中第一个陷入“走走停停”状态的领域：在这些领域，人工智能能够几乎即时验证或证伪现有的大多数理论，但人类专家仍需花费大量时间，全面理解这些结果“如何”以及“为何”成立，之后才能界定下一批问题，再让人工智能处理这些问题。"}],[{"start":371.8999999999999,"text":"另一个重要问题是，这一切将如何影响人们分享新发现进展的激励机制。不难看出，担心被AI抢先发现，可能会对分享重要的渐进式研究成果或有前景的新方向产生寒蝉效应，而这种分享文化数百年来一直支撑着科学进步。对AI实验室本身而言，纳维–斯托克斯方程案例引发的反弹，可能意味着今后由AI推动的突破将被秘而不宣。如果AI在将新理论转化为研究发现方面拥有惊人能力，却抑制了这些理论的发展与分享，未来恐怕将是一段颠簸的道路。"}],[{"start":410.3999999999999,"text":"萨拉(Sarah)，这里有很多值得思考的问题。你认为，将来我们回过头来看这起事件时，会把它视为具有里程碑意义的事件吗？"}],[{"start":420.6099999999999,"text":"

萨拉写道

"}],[{"start":422.2399999999999,"text":"约翰，谢谢你分享这些内容。虽然我不敢说自己了解纯数学的世界，但这个引人入胜的故事确实让我觉得，其中蕴含着一些更广泛的启示。"}],[{"start":433.6699999999999,"text":"首先，随着人工智能让回答问题变得更快捷、更容易，我们会开始更加看重一种能力：知道该提出哪些有价值且有用的问题。正如数学家Terence Tao在你上面链接的那篇文章中写给你的那样：“如今，稀缺而宝贵的资源是找出一个有希望的问题。”"}],[{"start":453.5099999999999,"text":"我认为，这并不局限于数学或科学领域。在许多工作场所和行业，我都听到类似的观点：AI辅助生产的爆发式增长，让越来越多人意识到，在流程开始之初，就需要有人运用判断力和想象力，否则我们最终会被淹没在多到不知如何处理的产出中。"}],[{"start":472.71999999999986,"text":"其次，正如你所说，事实证明，决定人类创新与创造力未来的，不仅是问题能否得到解决，还在于问题是如何解决的。也就是说，解决问题的方式必须让人们既愿意、又能够继续携手向前。"}],[{"start":488.48999999999984,"text":"

推荐阅读

"}],[{"start":490.30999999999983,"text":"我们的同事乔治娜•夸奇(Georgina Quach)撰写了一篇精彩文章，讲述海量AI劣质内容如何催生了对人类代笔作者的新需求（萨拉）"}],[{"start":499.80999999999983,"text":"在Substack上，内特•西尔弗(Nate Silver)认为，人工智能近期的许多发展——无论好坏——与其说归功于智能，不如说归功于坚持不懈（约翰）"}],[{"start":null,"text":" "}]],"url":"https://audio.ftcn.net.cn/album/a_1789812730_9330.mp3"}