
第一节|从工具到参与者
先建立一个参照系。2025年初,模型还做不到帮忙计算野营消费分摊、协调不同时区Zoom会议时间等简单任务。就在同一年,一个困扰数学界42年的开放问题,在12小时的人机对话中被解决了。大约一年半前,Sébastien Bubeck参加学术会议辩论,开场80%与会者认为扩展大语言模型不能解决重大数学开放问题,辩论结束后比例变成五五开,而仅仅八个月后,模型就开始做研究级别的数学了。模型解决问题不再是简单问答,而是在反复试探中逐步逼近,进入研究过程,从工具变成了参与者。研究团队用模型处理长期未解数学问题时,发现模型能在庞杂知识中找到线索并建立连接,标志着AI正式走入真实研究流程。
第二节|思考更久,才是真突破
不能将模型的变化理解为单点技术跃迁,而是多种能力叠加的结果。核心突破是模型能持续进行更长时间推理并保持思路连贯。数学等科学研究关键在于推导链的连贯性,过去模型推理链条拉长易偏离,现在模型思考时间不断延长。科技行业形成“AGI时间”衡量尺度,从只能处理几秒简单问题到能围绕难题展开数小时甚至数天探索。Ernest Ryu用Codex类比,认为数学研究也会像Codex处理代码仓库一样,模型可分阶段推进推导。若模型能在更长周期保持推理稳定,所能处理的问题类型将发生质变。更接近AGI的路径是思考时间持续延长,决定AI能力边界的是能力的维持时间。
第三节|科学,正在被重新组织
数学是AI能力最早影响的学科,其能力普及将改变科学工作方式。一是知识验证方式,AI可大幅压缩数学论文检验周期,重新梳理既有知识体系可靠性。二是研究起点,模型开始提出问题,能生成有质量的研究假设,研究者核心能力变为判断问题价值和方向选择。但过度依赖模型会让研究者失去深入推导能力,科学研究正经历分工大调整,AI承担更多重复性推导工作,研究者核心价值从执行转向决策。计算机出现后数学难题增多,如今AI工具越强,值得追问的问题越多,AI将参与更多学科研究,加速科学节奏,但科学方向仍需人来定义。
结语|方向,仍然在人
42年无解的问题12小时有了结果,这是新起点。模型能长时间维持连贯推理、进入研究过程更值得关注。工具替代了执行,关键在于人能否看懂结果、提出更好问题,思考加速,选择仍在人。
2605



被折叠的 条评论
为什么被折叠?



