前NFL球員兼MIT數學教授John Urschel稱數學不會被AI完全解決
前NFL球員、現MIT數學教授John Urschel表示，數學界對“數學不會被解決”有相當共識。他指出AI正幫助數學家以前所未有的速度推進，但仍有大量領域有待發現。
Urschel說“還有很遠的路要走”。他近期發表論文《On the Growth Factor of Random Matrices》，解決了關於高斯消元法在隨機矩陣中增長因子的一個自1990年代以來的猜想。該算法廣泛應用於求解線性方程組，支撐電路、金融模型與搜索等應用。數學家長期以來知道它在實踐中幾乎總是可靠，但缺乏嚴格證明。
Urschel於2017年從巴爾的摩烏鴉隊退役，此前在NFL期間已在MIT攻讀數學博士。他的研究聚焦應用線性代數、數值分析與譜圖論。近期論文據報道獲得OpenAI模型協助。他在閱讀OpenAI關於黎曼猜想等最新數學論文時表示“被徹底震驚”。
高斯消元法是數值線性代數的基礎工具。Urschel的證明提供了該算法對隨機矩陣高度穩定的數學證據。伯克利研究者稱此爲該領域的“大問題”。Urschel強調自己關注“爲什麼”而非僅僅“如何”，並對AI加速探索持樂觀態度，同時認爲人類仍需理解與擴展新結果。
AI工具使數學家並行探索更多路徑，資金與計算資源流向模型輔助證明。論文發表速度加快，部分開放問題獲得進展。人類數學家在驗證、解釋與提出新問題環節仍主導，純自動解決整門學科的路徑承壓。
來源：公開信息
ABAB AI 解讀
John Urschel從NFL退役後在MIT完成數學博士，現任助理教授。他近期解決高斯消元法相關猜想，論文據報道使用AI協助。他在公開場合閱讀OpenAI數學論文並表示震驚，同時強調數學不會被完全解決。
Urschel將AI作爲加速工具，用於探索文獻與並行嘗試。資源從傳統手工證明轉向模型輔助搜索與驗證。他關注算法可靠性背後的理論原因，而非僅接受實踐中的有效性。MIT與數學界正討論AI對定理證明速度的影響。
類似討論曾出現在OpenAI解決長期開放問題後的數學家反應中。當前數學研究處於AI可解決特定猜想但人類仍負責理解與擴展的階段。
本質屬於技術替代。AI在搜索與組合現有結果上加速進展，但理解新證明含義與提出後續問題仍依賴人類。機制在於模型並行處理大量嘗試，縮短從猜想提出到證明驗證的時間，同時保留人類對“爲什麼成立”的解釋權。
ABAB News · 認知定律
AI解決單個問題，不等於解決整門學科
加速搜索不替代理解“爲什麼”
開放問題減少，新問題空間仍然擴大