PODCAST · 生活文化
#712.陶哲轩:AI 擅长广度,人类守住深度
一语总结菲尔兹奖得主陶哲轩从数与代数、几何、概率、分析和动力系统六大支柱出发,讲述数学如何从直觉演化为精确语言并驱动科学突破,进而深入剖析 AI 与人类在科学研究中广度与深度的互补关系,警示过度追求速度可能损害科学理解与原始创新。
本期是陶哲轩在 Big Think 知识播客的深度对谈,围绕其新书《Six Math Essentials》展开。他系统讲解数、代数、几何、概率、分析和动力系统六大核心概念,指出数学本质是一套精确语言:负数、分数、无理数乃至复数等概念在纯粹好奇心与内在规律驱动下自然扩展,却成为量子力学等前沿物理最贴切的描述语言。他还结合多个案例展示数学与科学的互动——欧几里得平行公设催生非欧几何,黎曼几何成为爱因斯坦场方程的语言;炮弹堆积演变为高维球体堆积,奠定整个无线通信行业的信息论基础。陶哲轩特别讲述自己参与压缩感知研究的经历:统计学家和工程师凭全变分最小化意外获得高质量 MRI 图像,他曾试图证明此路不通,却在推演中发现相反结论,最终揭示出通用的数学原理并催生了压缩感知理论。他借此说明数学的「不可思议的有效性」,以及动手尝试与失败对于理解数学的真正价值。访谈后半段转入 AI 议题。陶哲轩认为 AI 能规模化生成、验证和组合解法,并在广度上发现人类专家遗漏的可能性组合,甚至可让 LLM 在数学证明中获得正向成功率;但他强调科学不只是更快得到答案,还包括筛选问题、理解意外关联、解释洞见并把成果整理成可传承的知识。他反对以单纯效率衡量科学进步,指出 AI 自动化可能让下一代科学家失去慢思考与合作中产生的深层洞见,呼吁坚守基础科学好奇心驱动的原始价值。
- 数学的本质是一套能脱离具体情境精确传递复杂概念的通用语言,而非仅仅用于计算。
陶哲轩指出,数、代数等数学结构让人类能把关于数量、关系和变化的思想传递给从未接触过该事物的人。从零与负数的发明、无理数的发现到复数的引入,数学概念往往源于内在规律与好奇心的自然延伸,却最终成为描述量子力学等现实复杂现象的最自然语言。
- 大量看似无用的纯粹数学抽象,会在数十年后被证明是理解新科学现象的关键工具。
他以平行公设发展出非欧几何并成为爱因斯坦场方程语言为例,强调数学家常因为概念是已研究对象之自然延伸而探索诸如弯曲空间等抽象概念,却鲜少预知其实用价值。这种「不可思议的有效性」背后或在于:简洁地表达一种数学现象的方式,往往也恰好是描述相应物理现象的最优方式。
- 真正的数学解题并非依赖瞬间灵感,而是反复探索「行不通的做法」的负空间,逐步逼近答案。
陶哲轩坦言自己极少经历「尤里卡时刻」。实际过程是不断尝试、失败、把问题拆分为子问题,再排除大量错误路径,直到可选道路因排除法而变得清晰。他强调过程的失败常态化至关重要,因为正是先犯大量错误,才能深刻体会为何聪明的方法行得通。
- AI 与人类专家在解决科学问题上呈互补关系:AI 擅长广度,人类专注深度。
面对上千个不同难度的问题,AI 可逐一尝试并找到需要结合文献中冷门方法的那类解法,即便成功率不高;而人类专家往往只锁定少数复杂难题,追求深层次的结构性洞见。两者结合能够同时覆盖问题的宽度与深度,最大化解决问题的效率与质量。
- 以更快产出作为科学进步的唯一衡量标准存在目标错配,可能牺牲对科学真正重要的理解与传承。
陶哲轩用「徒步 vs 直升机看瀑布」比喻:AI 能直接把人送到已知答案,却让人错过沿途的意外发现与对路径本身的理解。科学不仅是得到答案,还包括发现新现象、识别关联、向他人清晰传递洞见并把成果整理成可传承的知识;若只优化单一环节的速度,可能产出更多数据却并未培育出更强的科学能力。
#712.陶哲轩:AI 擅长广度,人类守住深度
本期是陶哲轩在 Big Think 知识播客的深度对谈,围绕其新书《Six Math Essentials》展开。他系统讲解数、代数、几何、概率、分析和动力系统六大核心概念,指出数学本质是一套精确语言:负数、分数、无理数乃至复数等概念在纯粹好奇心与内在规律驱动下自然扩展,却成为量子力学等前沿物理最贴切的描述语言。他还结合多个案例展示数学与科学的互动——欧几里得平行公设催生非欧几何,黎曼几何成为爱因斯坦场方程的语言;炮弹堆积演变为高维球体堆积,奠定整个无线通信行业的信息论基础。陶哲轩特别讲述自己参与压缩感知研究的经历:统计学家和工程师凭全变分最小化意外获得高质量 MRI 图像,他曾试图证明此路不通,却在推演中发现相反结论,最终揭示出通用的数学原理并催生了压缩感知理论。他借此说明数学的「不可思议的有效性」,以及动手尝试与失败对于理解数学的真正价值。访谈后半段转入 AI 议题。陶哲轩认为 AI 能规模化生成、验证和组合解法,并在广度上发现人类专家遗漏的可能性组合,甚至可让 LLM 在数学证明中获得正向成功率;但他强调科学不只是更快得到答案,还包括筛选问题、理解意外关联、解释洞见并把成果整理成可传承的知识。他反对以单纯效率衡量科学进步,指出 AI 自动化可能让下一代科学家失去慢思考与合作中产生的深层洞见,呼吁坚守基础科学好奇心驱动的原始价值。
文章金句
"数学有别于其他学科的一点是,我们有失败的自由。
"无穷大其实是一头非常危险的猛兽。
"我们发现,即便非常简单的规则,经过长时间迭代,也能产生极其复杂的涌现。行为
"很多时候你其实是在探索问题的副空间,也就是所有行不通的做法。
"我发现关于 AI 在科学和其他学科中作用的一些争论,往往会默认采用一维的思考视角。