chatgpt沒有數學邏輯 陶哲軒：ChatGPT已加入我的數學工作流

，已經成為天才數學家陶哲軒的研究助手了！

不止，他還直接在網上宣布：

多種AI工具都會納入自己的工作流。

最近這些日子，陶哲軒對AI可是青眼有加，甚至在網上只談論一個話題：AI，特別是大語言模型在數學研究中的應用。

期間，各種的“隱藏功能”都被陶哲軒挖了出來：

大到尋找公式、輔助證明定理；小到改寫論文語句、查詢小語種數學名詞的發音。

而為何突然對AI協助工作這么關注？陶哲軒用自己的老本行數學對AI做了個類比：

傳統的計算機軟件就像是數學中的標準函數，比較死板；

AI工具更像是數學中的概率函數，會更加靈活。

對這個類比，中科院計算所研究員包云崗直接稱贊很形象。

也有網友表示：

AI生成的內容有時候真的會有“神來之筆”，幫助人們更好地工作。

不過也有網友對陶哲軒用協助搞數學研究接受無能，畢竟之前很長一段時間大眾對的吐槽都集中在數學能力上。

于是，在陶宣稱在數學中可以完成一些半成品工作時，有人直接在評論區發問：

你是認真的嗎？我可是（你的）超級粉絲。

那話說回來，一個“數學菜雞”在一個大數學家手里究竟能有什么用處？

一起來看～

對搞學術的來說“剛剛好”

總的來講，陶哲軒大概的意思就是：

數學能力雖然不咋滴，但對做學術研究的人來說是個發散思維的好工具。

（對普通人來說有點不太專業，但對搞數學的學術人員來說剛剛好）

那這個剛剛好的尺度是如何拿捏的？

陶哲軒直接給出了他用求解數學題的幾個示例：

剛開始，他直接把同事詢問的問題逐字逐句拋給了。

也有模有樣地回答了起來，期間還提到了一個高度相關的術語：對數矩生成函數chatgpt沒有數學邏輯，甚至在給出的答案中還討論了一個具體的例子。

這術語，這舉例…乍一看，甚至騙過了陶哲軒的“法眼”，不過在檢查一遍之后，陶發現：

答案是錯的！

chatgpt沒有數學邏輯，按理說一般人的邏輯到這里就該結束了——得出結論：的數學能力不太行。

但陶哲軒還沒有止步，他仔細分析了給出的解答過程，發現并不是完全錯誤的，還是有可取之處。

比如說，在解答過程中用的是lmgf公式，而在克拉默定理給出的標準答案中用到的是lmgf公式的變換。

雖然不是正確的解題思路chatgpt沒有數學邏輯，但也很接近正確答案了。

（有點意思）緊接著他又用兒子幫忙做的手機短信版再試了一個數學問題：

我該如何證明有無窮多個素數？

雖然給出的證明的是意料中的不完全正確，但陶發現給出的論證思路是可以被固定下來的，并且這個思路他之前還從未見過。

這一通試用下來，直接打開了陶哲軒的思路。

既然在具體數學問題上給出的答案是不完全正確的，那不如索性發揮發揮它生成答案部分正確的特性：

在處理數學問題時，可以讓這類大語言模型做一些半成品的語義搜索工作。

也就是說，不用提供確切的答案，只用生成一些可能的提示（類似于幫你找靈感）。

這樣一來，依據生成的提示+傳統搜索引擎搜索，就能很輕松找到答案了。

隨后，陶哲軒還具體上手演示了一把。

首先要有技巧地拋出一個問題，假設陶想找庫默爾定理但記不起來這個定理的名字，他是這樣來問的：

我正在找一個關于（）的公式，它是一個經典的理論但我想不起名字，你能給我解答嗎？

最終給出的答案是公式（一個相關的結果），然后根據這個答案用傳統的搜索引擎就可以輕松找到庫默爾定理。

話說回來，既然都只是用作數學研究中的一個工具，為啥在陶哲軒眼中AI會更合適，而傳統搜索引擎就不太行呢？

AI“思維邏輯”更發散

陶直接從傳統計算機軟件和AI工具的內部運行邏輯分析了一通。

先來說傳統的計算機軟件，它的運行邏輯類似于函數:→，這是一個很標準的數學概念。

具體來說，若輸入的在給定域中，軟件就能夠可靠地給出范圍中的單個輸出()，若輸入不在給定域中，則就不能給出結果或者說亂給一些結果。

而AI工具，就不會像傳統計算機軟件那樣死板，它運行的邏輯不是基于經典函數，而是類似于概率 μ:→Pr()。

輸入，AI會從一個概率分布μ?中采樣，然后隨機輸出。而這個概率分布，集中在完美結果()附近。

不過這樣也會導致一些隨機偏差和不準確結果的產生。

但整體比較下來，AI工具還是具有一定的優勢。

一方面它更加靈活，可以比傳統的軟件工具更優雅地處理嘈雜或格式不好的輸入。

另一方面，在一定程度上AI的“思維方式”也會更加發散。

在宣布把AI工具納入自己的工作流之后，陶哲軒還在上不斷更新用AI工作的帖子。

比如說用AI寫郵件：

或者發現了在處理數學問題時的亮點：能夠識別不同語言的數學概念音譯版。

AI半自動證明定理，審稿人難了

陶哲軒對AI的觀察，也在學術圈引起了一場討論。

他指出，閱讀AI寫的論文和人寫的論文體驗完全不同。

閱讀人寫的論文，通常能在上下文和風格上捕捉到一些線索，通過這些線索可以快速分離出論文的“肉”，加快閱讀速度。

AI生成的數學論文，文字看起來都很有說服力，必須一行一行仔細看才能發現其中的缺陷。

紐約大學教授馬庫斯將其解讀為：同行評議從此更難了。

不過網友中也有人認為，讓審稿人必須一行一行仔細看，而不是依賴于膚淺的格式信號，也算得上一件好事。

還有人腦洞大開，想知道AI能否提出一些全新的數學猜想。

AI能不能提出猜想不知道，但是AI自動、半自動證明定理已經是現實，并且走向實用化了。

還是陶哲軒，2月份他在加州大學洛杉磯分校的IPAM（純數學與應用數學研究所）組織了一場機器學習輔助證明主題研討會，會上展示了很多這方面的前沿成果。

IBM研究員 Rute展示了一種受啟發的方法，將定理證明類比成圍棋，下一個步驟相當于下一手棋，得證相當于獲勝。

谷歌科學家吳宇懷則分享了大語言模型在自動形式化（）上的進展。

而陶哲軒本人對AI的興趣也不止于此，用機器學習解決實際問題也在他的涉獵范圍之中。

剛剛在澳大利亞的一場講座上，他還分享了如何用數學結合機器學習預測火災變化。

參考鏈接：

[1]@tao/

[2]

[3]

免責聲明：本文系轉載，版權歸原作者所有；旨在傳遞信息，不代表本站的觀點和立場和對其真實性負責。如需轉載，請聯系原作者。如果來源標注有誤或侵犯了您的合法權益或者其他問題不想在本站發布，來信即刪。