在奧數(shù)問題面前，AI 的「智商」往往不太夠用。

不過，這已經(jīng)是過去式了。谷歌 DeepMind 用 AI 做出了今年國際數(shù)學(xué)奧林匹克競賽 IMO 的真題，并且距拿金牌僅一步之遙。對于 AI 來說，奧數(shù)不再是問題了。

IMO 2024 中六個問題的每一個問題滿分為 7 分，總分最高 42 分。DeepMind 的系統(tǒng)最終得分為 28 分，意味著解決的 4 個問題都獲得了滿分 —— 相當(dāng)于銀牌類別的最高分。

DeepMind 文章連接：https://deepmind.google/discover/blog/ai-solves-imo-problems-at-silver-medal-level/

常用 AI 輔助證明的數(shù)學(xué)家陶哲軒近期正處在出差的忙碌中，對問題求解引擎 AlphaProof 和 AlphaGeometry2 還未完全消化。但他在自己的博客上對 DeepMind 的 AI 系統(tǒng)參加 IMO 競賽這件事表達(dá)了自己的看法。

陶哲軒談到，這是一項非常偉大的工作， 再次改變了我們對哪些基準(zhǔn)挑戰(zhàn)可以通過 AI 輔助或完全自主的方法實現(xiàn)的期望。 

例如，IMO 級別的幾何問題現(xiàn)在對于專用的 AI 工具來說已基本解決。現(xiàn)在看來，通過強(qiáng)化學(xué)習(xí)過程可以找到形式化證明的 IMO 問題至少在某種程度上可以被 AI 攻克。雖然目前每個問題需要相當(dāng)大的計算量，并且在形式化方面需要人類的幫助。

在陶哲軒看來，這種方法還有一些「buff 加成」，它能使形式化數(shù)學(xué)更容易自動化，這反過來可能會促進(jìn)包含形式化成分的數(shù)學(xué)研究方法。如果更公開地共享由此產(chǎn)生的形式證明數(shù)據(jù)庫，它可能是一個有用的資源。 

這種方法（更多地基于強(qiáng)化學(xué)習(xí)而非大型語言模型，有點類似 AlphaGo 的精神，且強(qiáng)調(diào)整體方法）非常聰明，事后來看很有道理。正如「AI 效應(yīng)」所言，一旦解釋清楚，它不會給人一種展示人類智能的感覺；但它仍然是我們 AI 輔助問題解決工具集能力的擴(kuò)展。

「AI 效應(yīng)」是指當(dāng)人工智能技術(shù)取得進(jìn)展或解決問題時，人們往往會認(rèn)為這些成就并不是真正的人工智能或者不具備真正的智能。換句話說，一旦某項技術(shù)被理解或普及，它就不再被認(rèn)為是智能的。這種現(xiàn)象表明，人們對 “智能” 的定義和期望會隨著技術(shù)的進(jìn)步而不斷提高。 

本月月初，陶哲軒在自己的博客中發(fā)布 AI 數(shù)學(xué)奧林匹克競賽（AIMO 進(jìn)步獎）的初步成績已公布的消息。其中，獲得第一名的是 Numina 的團(tuán)隊。

他在最新博客中表示，DeepMind 的這些新工具無法與最近贏得 AIMO 進(jìn)步獎的 NuminaMath 模型直接比較。NuminaMath 模型完全自動化且資源效率高出數(shù)個數(shù)量級，并且采用了完全不同的方法（使用大型語言模型生成 Python 代碼，以蠻力解決區(qū)域競賽級別的數(shù)值答案問題）。這個模型也是完全開源的。這也是非常不錯的工作，展示了嘗試使用 AI 來輔助或自動化數(shù)學(xué)問題解決過程的不同部分的多維挑戰(zhàn)。

其實 DeepMind 在數(shù)學(xué)推理方面有著不懈的努力。在今年年初，它的人工智能算法就已經(jīng)在數(shù)學(xué)奧林匹克競賽（IMO）上取得了重大成績突破。論文《Solving olympiad geometry without human demonstrations》向世人介紹了 AlphaGeometry，還登上了國際權(quán)威期刊《自然》雜志。專家表示，這是人工智能朝著具有人類推理能力方向邁進(jìn)的重要一步。

論文鏈接：https://www.nature.com/articles/s41586-023-06747-5

未來 DeepMind 還將帶給我們怎樣的驚喜，我們拭目以待。