陶哲軒轉(zhuǎn)發(fā)、菲爾茲獎得主領(lǐng)銜：AI正在顛覆數(shù)學(xué)家的工作方式
陶哲軒點贊轉(zhuǎn)發(fā)，《美國數(shù)學(xué)學(xué)會通報》用一整期特刊介紹了AI給數(shù)學(xué)帶來的改變。
這些文章讀起來很有趣，盡管使我自己即將發(fā)表的一篇文章顯得多余……這個領(lǐng)域發(fā)展太快了！
作者陣容非常豪華，包括菲爾茲獎得主Akshay Venkatesh、華裔數(shù)學(xué)家鄭樂雋、計算機科學(xué)家Ernest Davis等多位知名學(xué)者。
其中鄭樂雋表示，如果最終機器能做得比人類更好，那很好，她將樂意退出數(shù)學(xué)領(lǐng)域去彈鋼琴。
他們提出的觀點包括：
- AI的數(shù)學(xué)能力不完全反映人類的認(rèn)知過程，依賴于訓(xùn)練數(shù)據(jù)中的模式，而不是真正理解問題的本質(zhì)。
- 合成數(shù)學(xué)如合成拓?fù)鋵W(xué)和合成微分幾何學(xué)，提供了一種全新的數(shù)學(xué)實踐方式，允許數(shù)學(xué)家專注于更深層次的概念和問題。
- 交互式證明系統(tǒng)與軟件工程中的“規(guī)范驅(qū)動開發(fā)”，可以降低數(shù)學(xué)家的認(rèn)知負(fù)荷、促進數(shù)學(xué)家之間的合作。
- 形式化證明技術(shù)可能改變數(shù)學(xué)證明的本質(zhì)、顛覆數(shù)學(xué)家的工作方式。
- 數(shù)學(xué)屆不應(yīng)被科技公司主導(dǎo)的議程所綁架。
在開篇，編委會寫道：
純粹的數(shù)學(xué)家習(xí)慣于享有很大程度的研究自主和智力自由，這是一種脆弱而寶貴的遺產(chǎn)，可能會因機器的盲目使用而被掃除。
另一方面，對同一技術(shù)進行深思熟慮和深思熟慮的方法可能會極大地豐富我們的學(xué)科。
學(xué)科應(yīng)該如何發(fā)展是由我們自己決定的，因此我們邀請數(shù)學(xué)界認(rèn)真思考和討論?？刑岢龅膯栴}，并聆聽其他領(lǐng)域同行對這些問題進行了深入思考。
現(xiàn)在，是數(shù)學(xué)家們了解并推動這場辯論，并決定學(xué)科未來方向的時候了。
AI能自動證明定理嗎？
計算機已經(jīng)在數(shù)學(xué)中發(fā)揮了重要作用，尤其是在計算效率方面的提升，但是否能夠幫助人類進行數(shù)學(xué)推理？有一天它們是否會自主進行推理？
數(shù)學(xué)家Kevin Buzzard概述了神經(jīng)網(wǎng)絡(luò)、計算機定理證明器和大型語言模型的最新發(fā)展。
Kevin Buzzard現(xiàn)任英國倫敦帝國理工學(xué)院數(shù)學(xué)教授，他專門研究算術(shù)幾何和朗蘭茲綱領(lǐng)。
回顧整個計算工具的歷史，最早Computer一詞還指人類作為“計算員”，他們的成就不應(yīng)被低估。
17世紀(jì)早期，蘇格蘭數(shù)學(xué)家John Napier構(gòu)造了第一個對數(shù)表，他提出如果有更多“計算員”來幫忙，就可以進一步推進這一工作。
另一個代表性成果是Felkel和Vega在18世紀(jì)70年代發(fā)表的整數(shù)因式分解表，這使研究素數(shù)分布成為可能，最終導(dǎo)致了素數(shù)定理的證明。
早期電子計算機出現(xiàn)后，機器在高速計算方面已經(jīng)遠超人類，Computer一詞的含義也發(fā)生了變化。
如劍橋大學(xué)在1957年購買了EDSAC II計算機，用于海洋學(xué)計算，為現(xiàn)代板塊構(gòu)造理論奠定基礎(chǔ)。
這個階段計算機還只是一個工具，即使目前的計算機也難以像人類一樣進行數(shù)學(xué)推理和定理證明。
神經(jīng)網(wǎng)絡(luò)可以用于搜索定理、猜測新定理和尋找反例，如發(fā)現(xiàn)了拓?fù)鋵W(xué)中關(guān)于結(jié)點和邊的關(guān)系的新定理，以及在表示論中發(fā)現(xiàn)了關(guān)于Kazhdan-Lusztig多項式的新結(jié)果，但對于證明深奧復(fù)雜的定理還有局限性。
自動定理證明系統(tǒng)（ATP）可以自動證明一些復(fù)雜的定理，如羅賓斯猜想。但ATP生成的證明往往過于冗長，難以被人類理解。
交互式定理證明系統(tǒng)（ITP）可以用于驗證定理的正確性，幫助發(fā)現(xiàn)和修正數(shù)學(xué)文獻中的錯誤，如數(shù)學(xué)家Peter Scholze在液體張量實驗（Liquid Tensor Experiment）中承認(rèn)自己無法掌握所有涉及的數(shù)學(xué)對象和概念，最終在Lean系統(tǒng)幫助下完成。
大模型如ChatGPT雖然可以生成相關(guān)數(shù)學(xué)內(nèi)容，但容易產(chǎn)生錯誤。Buzzard建議大模型與ITP等系統(tǒng)結(jié)合使用，通過大模型生成初步證明，然后由ITP進行驗證，從而提高可靠性。
Buzzard認(rèn)為，這些新興技術(shù)可以幫助數(shù)學(xué)家突破認(rèn)知障礙，探索更加復(fù)雜和更加新穎的數(shù)學(xué)領(lǐng)域，并最終改變數(shù)學(xué)家的工作方式，使他們能夠?qū)⒏鄷r間和精力投入到數(shù)學(xué)思維和理解上。
另外三篇文章，從不同角度探討了這些新興技術(shù)如何幫助數(shù)學(xué)家應(yīng)對日益增長的復(fù)雜性，并開拓新的數(shù)學(xué)領(lǐng)域。
數(shù)學(xué)的形式化轉(zhuǎn)向
邏輯學(xué)家Jeremy Avigad討論了自20世紀(jì)初以來，數(shù)學(xué)定義和證明可以在具有精確語法和使用規(guī)則的形式系統(tǒng)中表示。
Jeremy Avigad任卡內(nèi)基梅隆大學(xué)哲學(xué)和數(shù)學(xué)教授，在數(shù)理邏輯和基礎(chǔ)、形式驗證和交互式定理證明以及數(shù)學(xué)哲學(xué)和歷史領(lǐng)域做出了貢獻。
他認(rèn)為這種轉(zhuǎn)向可能改變數(shù)學(xué)的本質(zhì)，依賴機器驗證的證明可能減少了數(shù)學(xué)家對直觀理解和洞察的重視，從而可能影響數(shù)學(xué)發(fā)現(xiàn)的過程和數(shù)學(xué)思想的發(fā)展。
純數(shù)學(xué)中的抽象邊界和規(guī)范驅(qū)動開發(fā)
數(shù)學(xué)家Johan Commelin和Adam Topaz探討了抽象邊界（Abstraction Boundaries）如何在交互式定理證明器的幫助下，幫助控制數(shù)學(xué)研究中的復(fù)雜性。
Johan Commelin任荷蘭烏得勒支大學(xué)助理教授，Adam Topaz阿爾伯塔大學(xué)助理教授，兩人研究興趣的交點是代數(shù)幾何，共同參與了液體張量試驗。
△左：Johan Commelin，右：Adam Topaz
抽象邊界是指在數(shù)學(xué)研究和定理證明過程中，將數(shù)學(xué)對象的實現(xiàn)細(xì)節(jié)與其外在屬性和行為進行形式化區(qū)分的界限。這種界限使得數(shù)學(xué)家可以在不依賴具體實現(xiàn)細(xì)節(jié)的情況下，使用和推理這些數(shù)學(xué)對象。
抽象邊界的概念在軟件工程中非常常見，例如通過C語言的頭文件、面向?qū)ο缶幊讨械墓卜椒ɑ蛘吆瘮?shù)式編程中的typeclass來實現(xiàn)。
基于抽象邊界的“規(guī)范驅(qū)動開發(fā)”方法，不僅降低了認(rèn)知負(fù)荷，還促進了數(shù)學(xué)家之間的合作，使得工作可以輕松地分配給具有不同專長的合作者。
奇異新世界：定理證明助手和合成基礎(chǔ)
數(shù)學(xué)家Michael Shulman認(rèn)為，現(xiàn)有的計算機程序如Lean證明助手，能夠驗證數(shù)學(xué)證明的正確性，但它們專門的證明語言對許多數(shù)學(xué)家來說是一道門檻。
Michael Shulman任圣地亞哥大學(xué)副教授，研究領(lǐng)域是范疇論和代數(shù)拓?fù)洹?/p>
現(xiàn)有的計算機證明助手能夠驗證數(shù)學(xué)證明的正確性，但它們專門的證明語言對許多數(shù)學(xué)家來說是一道門檻。大模型有潛力降低這一門檻，使數(shù)學(xué)家能夠以更熟悉的語言與證明助手進行交互。
這可能允許數(shù)學(xué)家使用由模型支持的證明助手探索根本上全新的數(shù)學(xué)領(lǐng)域，現(xiàn)有的證明助手已經(jīng)在同倫類型論（homotopy type theory）等領(lǐng)域發(fā)揮了這一作用。
當(dāng)前的人工智能可以做嚴(yán)肅的數(shù)學(xué)嗎？
紐約大學(xué)計算機科學(xué)家Ernest Davis指出，當(dāng)前AI在解決文字描述的數(shù)學(xué)問題上，無法可靠地結(jié)合基礎(chǔ)數(shù)學(xué)和常識推理。
AI通過三種主要方法嘗試解決數(shù)學(xué)問題，但每種方法都有其優(yōu)勢和局限。
- 直接生成答案，適用于簡單數(shù)學(xué)問題。
- 生成可執(zhí)行代碼，已在實踐中取得成功。
- 翻譯成邏輯規(guī)范，對于復(fù)雜問題仍存在挑戰(zhàn)。
他認(rèn)為AI在解決數(shù)學(xué)奧林匹克問題時可能會依賴于訓(xùn)練數(shù)據(jù)中的模式，而不是真正理解問題的本質(zhì)，這與人類通過直觀和邏輯推理解決問題的方式有顯著差異。
AI真正解決數(shù)學(xué)問題需要三類知識：基礎(chǔ)數(shù)學(xué)、語言理解和世界常識。例如理解硬幣的價值和物理特性。常識在解決問題時經(jīng)常被忽視，但實際上是至關(guān)重要的。
基準(zhǔn)測試集是評估AI系統(tǒng)性能的重要工具，但它們可能無法全面覆蓋AI的所有能力。
但同時他也指出，盡管AI在處理基礎(chǔ)問題時存在局限，但這可能不會影響其進行高級數(shù)學(xué)研究的能力。
一方面，高級數(shù)學(xué)研究可能不需要與解決基礎(chǔ)問題相同的常識推理能力。
另一方面，在棋類游戲上，即使AI無法理解棋局的基本概念，在棋局分析和策略制定上的能力能遠超人類棋手。
數(shù)學(xué)家如何看待AI？
關(guān)于自動化與數(shù)學(xué)研究的一些想法
菲爾茲獎得主Akshay Venkatesh探討了數(shù)學(xué)自動化對數(shù)學(xué)研究的影響。他指出，機器可能大大增強數(shù)學(xué)解決問題的能力，但也會徹底改變數(shù)學(xué)的核心問題和價值觀，使其難以被人類所認(rèn)知。
他分析了當(dāng)前數(shù)學(xué)界決定“什么是重要”的機制，如期刊、獎項、數(shù)學(xué)理論在應(yīng)用領(lǐng)域得到認(rèn)可、教育體系、聘用和資助過程等，都不足以解釋數(shù)學(xué)界相對較高的共識水平。
他認(rèn)為“證明”這種特殊的學(xué)術(shù)交流方式能引發(fā)一致同意，類似于自由市場中信息傳播的機制。
AI會導(dǎo)致當(dāng)前數(shù)學(xué)界對“重要性”的判斷發(fā)生劇變。
機器如何使數(shù)學(xué)更包容
數(shù)學(xué)家鄭樂雋（Eugenia Cheng）認(rèn)為，技術(shù)已經(jīng)在改變?nèi)藗冄芯繑?shù)學(xué)的方式，可以利用這些技術(shù)使數(shù)學(xué)更加包容，而不是使數(shù)學(xué)家變得多余。
鄭樂雋在謝菲爾德大學(xué)任教，除了范疇論研究和本科教學(xué)之外，她的目標(biāo)是消除世界上的“數(shù)學(xué)恐懼癥”。
她分析了技術(shù)如何影響數(shù)學(xué)教學(xué)、提出問題、協(xié)作、傳播以及研究：
- 教學(xué)：標(biāo)準(zhǔn)的“粉筆和黑板”式講授變得沒有必要，她開始采用交互性更強的教學(xué)方式。同時對于學(xué)生來說，記憶現(xiàn)在已經(jīng)無關(guān)緊要，應(yīng)當(dāng)將大腦留給更有趣的事情
- 提出問題：技術(shù)使得任何人都可以在網(wǎng)上提問并獲得答復(fù)，但繼承和放大了數(shù)學(xué)界的精英主義和競爭性。
- 協(xié)作：技術(shù)大大便利了遠程協(xié)作，使地理位置不再是障礙。電子白板等工具也大大增強了協(xié)作的便利性。
- 傳播：互聯(lián)網(wǎng)使論文傳播變得普及，不再局限于有限的紙質(zhì)期刊。這讓論文發(fā)表過程更加公開透明，論文質(zhì)量而非發(fā)表渠道成為關(guān)鍵。
- 研究：通過智能手機可以隨時隨地展開研究，不受地點限制。搜索引擎等也讓她不必記住所有事實，可以隨時查閱。
總的來說，鄭樂雋認(rèn)為技術(shù)可以使數(shù)學(xué)變得更加包容，只要數(shù)學(xué)家善用這些技術(shù)，而不是固步自封。
同時她也提出，如果最終機器能做得比人類更好，那很好，她將樂意退出數(shù)學(xué)領(lǐng)域去彈鋼琴。
機器時代下的證明
數(shù)論學(xué)家Andrew Granville關(guān)注證明的本質(zhì)以及計算機證明與人類證明之間的關(guān)系。
他認(rèn)為，純數(shù)學(xué)中的“客觀性”并非如我們所想那樣牢不可破。
- 定義和概念的困難：現(xiàn)代數(shù)學(xué)中很多概念沒有單一明確的定義，存在多種可能的定義和闡釋。這就難以談“客觀”。
- 公理系統(tǒng)的局限性：根據(jù)哥德爾不完備性定理，即使采用一致的公理系統(tǒng)，也無法證明所有關(guān)于整數(shù)的正確語句。這說明“客觀的”數(shù)學(xué)基礎(chǔ)是有局限性的。
- 歷史演變的影響：不同時代數(shù)學(xué)家對“數(shù)學(xué)證明”的理解和標(biāo)準(zhǔn)有所不同，這體現(xiàn)了客觀性標(biāo)準(zhǔn)的變遷。
他探討了計算機自動證明可能同時帶來的挑戰(zhàn)和機遇。計算機證明可以幫助確認(rèn)人類直觀證明的正確性，提高可信度。但計算機證明可能會取代人類，成為“黑箱”證明。但這種證明可能缺乏人類應(yīng)有的可理解性和適應(yīng)性。
Granville希望未來的計算機證明能夠吸收人類證明的優(yōu)點，在形式化的基礎(chǔ)上保持足夠的靈活性和易理解性。
自動化迫使數(shù)學(xué)家反思自己的價值觀
哥倫比亞大學(xué)數(shù)學(xué)家Michael Harris強調(diào)數(shù)學(xué)需要吸收其他學(xué)科、尤其是人文社科的經(jīng)驗。
他建議經(jīng)常反思學(xué)科的價值追求和物質(zhì)基礎(chǔ)，有助于數(shù)學(xué)家在面對自動化等挑戰(zhàn)時，更好地捍衛(wèi)數(shù)學(xué)的核心價值。
此外，他還警示數(shù)學(xué)界不應(yīng)被科技公司主導(dǎo)的議程所綁架，科技公司的價值取向與數(shù)學(xué)家的價值取向并不完全一致，數(shù)學(xué)家應(yīng)保持獨立思考的勇氣，而不是被動接受來自產(chǎn)業(yè)的價值導(dǎo)向。
更多精彩內(nèi)容7月發(fā)布
特刊的第二部分將于2024年7月發(fā)布，內(nèi)容將包括：
- 自動化與哲學(xué)：
形式化所引發(fā)的許多問題并不新鮮。McLarty的文章描述，龐加萊在一個多世紀(jì)前就在討論“推理機器”。龐加萊已經(jīng)關(guān)注到形式化證明與數(shù)學(xué)實踐之間的關(guān)系，這一主題在de Toffolli的文章中得到了進一步的探討。
- 技術(shù)改變思維
DeDeo的文章檢驗了自動證明對數(shù)學(xué)家認(rèn)知過程的潛在影響。
- 深度學(xué)習(xí)與數(shù)學(xué)的互動
Bengio和Malkin的文章考慮了進行數(shù)學(xué)研究對機器學(xué)習(xí)帶來的特定挑戰(zhàn)。Fraser和Poggio的文章則提出了與深度學(xué)習(xí)數(shù)學(xué)基礎(chǔ)相關(guān)的問題。
敬請期待～
期刊地址：https://www.ams.org/journals/bull/2024-61-02/
