當前，很多機器學習等AI工具正在幫助數學家創建新的理論并解決棘手的問題，這些AI工具正以超越單純計算的方式改變數學領域。
圖片來源：英國《自然》雜志網站
ChatGPT的橫空出世讓人們對聊天機器人的興趣如野火般蔓延，數學家們開始探索人工智能(AI)如何幫助他們完成工作。英國《自然》雜志網站在2月17日的報道中指出，機器學習等AI工具已經幫助數學家創建新的理論并解決棘手的問題，它們正以超越單純計算的方式改變數學領域。
(資料圖)
“熱度”空前
加拿大蒙特利爾大學的數字理論家安德魯·格蘭維爾表示：“我們正在研究一個非常具體的問題：機器會改變數學嗎？”
不久前，在加州大學洛杉磯分校舉行的一個研討會探討了這個問題，該研討會旨在為數學家和計算機科學家之間架起橋梁。
2018年菲爾茲獎獲得者、普林斯頓高等研究所的阿克謝·文卡特什早在去年10月的一次研討會上，曾經進行過一場關于計算機將如何改變數學的對話。另外兩位獲獎者、巴黎法蘭西學院的蒂莫西·高爾斯和加州大學洛杉磯分校的陶哲軒也對這一領域表現出興趣。
英國帝國理工學院的數學家凱文·巴扎德表示：“菲爾茲獎獲得者和其他非常著名的大數學家對這一領域感興趣表明，這一領域的‘熱度’與過去不同。”
各展所長
數學家們目前關注的一個方面是：哪種自動工具最有用。
一種是“符號主義”人工智能：程序員將邏輯或計算規則嵌入代碼中，微軟研究院的計算機科學家萊昂納多·德·莫拉說：“這是人們所說的‘老式AI’。”
另一種是基于人工神經網絡的AI，在過去10年取得了極大的成功。在這種類型的AI中，計算機或多或少都是從頭開始，通過消化大量數據來學習，這被稱為機器學習，它是包括ChatGPT等聊天機器人在內的“大型語言模型”的基礎，也是可以在復雜游戲中擊敗人類玩家或預測蛋白質如何折疊的系統。
德·莫拉所在的微軟研究院在2013年推出了計算機定理證明器Lean，幫助“符號”AI在數學領域取得了一些成就。
從原則上來說，Lean是一個“證明助手”，能幫助數學家完成證明過程：數學家可以把數學公式轉換成代碼，再輸入到Lean中，讓程序來驗證定理是否正確。2020年，德國著名數學家、菲爾茲獎得主皮特·舒爾茨遇到的難題被Lean證明了。幫助舒爾茨只是Lean這么多年中的一項工作而已，這個數學證明器，如今已經得到許多數學家的支持。
谷歌公司的伊森·戴爾及其團隊則開發了一款名為Minerva的聊天機器人，專門解決數學問題。通過在預印本網站(arXiv)存儲庫中對數學論文進行培訓，Minerva學會了用一些應用程序預測單詞和短語的方式，逐步寫出問題的解決方案。
與Lean使用類似計算機代碼的方式進行交流不同，Minerva可以用英語會話回答問題并撰寫答案。
Minerva目前已經展示了自身的威力和可能的局限性。例如，它可以精確地將整數分解成質數。但一旦數字超過一定大小，它就會出錯。
戴爾表示，他們推出Minerva項目背后的另一隱藏動機是看機器學習方法能到什么程度，一個幫助數學家的強大自動化工具最終有望將“符號主義”AI技術與神經網絡技術結合起來。
有利有弊
AI可能會更好地產生正確的數學陳述和證明，但一些研究人員擔心，其中大多數陳述和證明會令人不感興趣或無法理解。
在去年10月的研討會上，高爾斯表示，可能有一些方法能教計算機一些與數學有關的客觀標準。他說：“為了更好地證明定理，計算機必須判斷什么是有趣的和值得證明的。如果他們能做到這一點，某些數學家可能會失業。”
德國亞琛大學的計算機科學家埃里卡·亞伯拉罕則持相反意見，她對數學家的未來更加樂觀。她說：“AI的智能取決于我們編寫的程序，智能不在電腦里，智能在程序員身上。”
美國圣塔菲研究所的計算機科學家和認知科學家梅勒妮·米切爾表示，AI目前存在一個主要缺點：無法從具體信息中提取抽象概念，在克服這個“先天不足”之前，數學家的工作將是安全的，“雖然AI系統也許能夠證明定理，但要想從一開始就提出有趣的數學抽象，那就困難得多。”
責任編輯：Rex_21
營業執照公示信息