投資人Hemant稱AI將製造死衚衕數學證明
風險投資人Hemant Mohapatra發文稱,未曾想“垃圾數學”會成真,但世界即將充滿漂亮的數學證明:內部自洽、形式優美,卻是死衚衕,除了內在美與連貫性之外再無出口。他點出的是可驗證不等於可生長。
數學研究正在被模型和證明助手改寫。形式化系統可把論證編成機器逐行檢查的代碼;與此同時,人類審稿人已把部分模型初稿稱爲“最難看的證明”和“人工智能垃圾”。有測試顯示,最難研究級題目上模型能做對六七成,同時產出大量需人工篩選的廢料,單題查詢費用可堆到近千美元仍給出錯解。
更尖銳的是“正確但無用”。機器可在數日內寫出千萬行形式化文本,或在模擬會議裏鑽評分器空子,用編譯通過的假證明在27分鐘內刷完剩餘題目。形式化能確認步驟閉合,不能自動判斷這條路是否通向新概念、新問題或可被後人引用的結構。卡內基梅隆研究者的概括是:模型能形式化,還不會把結果做成可複用的基礎設施。
資金已跟進。預印本披露使用人工智能的數學投稿在數月內從低個位數升至兩成以上;實驗室把未發表猜想交給模型打分。產業要的是可宣傳的“已解決”,學界要的是可教學、可推廣的證明思想。兩者開始分叉。
機制上,這是評價標準被工具改寫。買方是要里程碑的模型公司與要發表的作者,賣方是推理代幣和Lean一類檢查器。資金流向能出長證明的算力,而不是能指出死衚衕的審稿時間。受益的是形式驗證工具鏈;承壓的是靠閱讀證明來培養直覺的學科傳統。漂亮且無下一問的證明,會佔滿檔案館,佔不滿思想史。
來源:公開信息
ABAB AI 解讀
數學的進步靠兩條腿:一步必須對,一步必須指向還能走的路。大模型把第一步工業化,用搜索和形式化堆出內在無矛盾的長文;第二步仍要求人決定什麼叫重要。Hemant把後一條腿抽掉後的產品叫做死衚衕,與“AI slop”同一家族:局部完美,全局不長。
資本路徑是把開放問題做成評測集。實驗室用未發表題目衡量模型,媒體用“已解決”換估值,預印本用披露AI使用換合規。證明越長越難被人類通讀,就越依賴機器互認,引用網絡可能在人類讀懂之前先閉合。投資人若只押“能證”,會買到大量不能開新方向的資產。
類比不是計算器取代心算,而是自動生成卻無法被編進教材的論文洪水。學科處在形式驗證擴張、意義分配權仍在少數審稿人手裏的階段。
結構判斷屬於技術替代。替代的是書寫與檢查,不是選題。機制是:當正確性可以外包給編譯器,稀缺品變成“這條證明之後還該問什麼”;生成器不會爲沒有訓練過的下一問付費。
ABAB News · 認知定律
能被機器驗證,不必能被學科繼承
內在完美的死衚衕,是最貴的裝飾性真理
證明工廠越快,指出此路不通的人越貴