主播
节目简介
来源：小宇宙
约一万个AI智能体，88小时，约1300亿个输出Token。
OpenAI宣布，其内部智能体系统给出了一份针对纳维—斯托克斯存在性与光滑性问题的解答，并完成了Lean形式化验证。
这道困扰数学界近一个世纪的难题，是千禧年七大数学难题之一。
但有一个更值得追问的问题：
即使这份证明最终被数学界确认成立，我们拿到了正确答案——然后呢？
过去，科学最稀缺的是答案。
一个重大问题可能需要一代甚至几代研究者不断试错、绕路、失败，最后才找到突破口。而今天，一万名AI可以同时展开数以万计的探索，在88小时内筛出一条人类可能几十年都没有走通的路径。
这当然意味着科研正在被极大加速。
但它也带来了另一类问题。
当AI可以大规模地产生证明，谁来判断哪些结果真正重要？谁来把形式上正确的证明读懂、解释，并变成其他研究者能够继续使用的知识？
而如果越来越多基础研究任务直接交给AI，下一代科学家又在哪里经历那些失败、试错和漫长推理，从而练出真正的研究判断力？
陶哲轩把AI比作一架直升机。
过去，我们需要徒步走到山顶。沿途会迷路、会绕路，也可能意外发现新的风景、新的路径，甚至一个原本根本没有打算寻找的问题。
现在，AI可以直接把我们送到目的地。
效率提高了。
但沿途那些曾经伴随着“解题”自然发生的东西——理解、方法、直觉、人才培养和偶然发现——未必会自动跟着抵达。
陶哲轩把正在出现的另一种现象称作“证明消化不良”：AI生成和验证证明的速度，正在开始超过人类理解、整理和吸收它们的速度。
于是，一个新的时代可能正在到来：
过去科学面对的是答案稀缺；未来，我们面对的可能是答案过剩。
当答案越来越便宜，真正稀缺的，可能会变成人类的理解力、判断力，以及提出下一个好问题的能力。
本期《硅基星期一》，我们从OpenAI这场88小时的数学实验出发，结合陶哲轩对AI时代数学的思考，去看AI加速科研之后的另一半故事。
AI已经开始交卷。
接下来，人类真正要回答的是：我们还需要学会什么？
OpenAI宣布，其内部智能体系统给出了一份针对纳维—斯托克斯存在性与光滑性问题的解答，并完成了Lean形式化验证。
这道困扰数学界近一个世纪的难题，是千禧年七大数学难题之一。
但有一个更值得追问的问题：
即使这份证明最终被数学界确认成立，我们拿到了正确答案——然后呢？
过去，科学最稀缺的是答案。
一个重大问题可能需要一代甚至几代研究者不断试错、绕路、失败，最后才找到突破口。而今天，一万名AI可以同时展开数以万计的探索，在88小时内筛出一条人类可能几十年都没有走通的路径。
这当然意味着科研正在被极大加速。
但它也带来了另一类问题。
当AI可以大规模地产生证明，谁来判断哪些结果真正重要？谁来把形式上正确的证明读懂、解释，并变成其他研究者能够继续使用的知识？
而如果越来越多基础研究任务直接交给AI，下一代科学家又在哪里经历那些失败、试错和漫长推理，从而练出真正的研究判断力？
陶哲轩把AI比作一架直升机。
过去，我们需要徒步走到山顶。沿途会迷路、会绕路，也可能意外发现新的风景、新的路径，甚至一个原本根本没有打算寻找的问题。
现在，AI可以直接把我们送到目的地。
效率提高了。
但沿途那些曾经伴随着“解题”自然发生的东西——理解、方法、直觉、人才培养和偶然发现——未必会自动跟着抵达。
陶哲轩把正在出现的另一种现象称作“证明消化不良”：AI生成和验证证明的速度，正在开始超过人类理解、整理和吸收它们的速度。
于是，一个新的时代可能正在到来：
过去科学面对的是答案稀缺；未来，我们面对的可能是答案过剩。
当答案越来越便宜，真正稀缺的，可能会变成人类的理解力、判断力，以及提出下一个好问题的能力。
本期《硅基星期一》，我们从OpenAI这场88小时的数学实验出发，结合陶哲轩对AI时代数学的思考，去看AI加速科研之后的另一半故事。
AI已经开始交卷。
接下来，人类真正要回答的是：我们还需要学会什么？
外观
