奥秘寻源：AI为何能攻克数学家提出80年的难题？

2024年以前，最先进的AI大模型连基础数学都做不好。2025年，其却能在国际数学奥林匹克竞赛中达到金牌水平。如今，其可以推翻数学经典猜想。

OpenAI近日声称，其人工智能(AI)推理能力再次取得重大进展，成功攻克了一个困扰数学界80年的难题——匈牙利数学家保罗·埃尔德什于1946年提出的“平面单位距离问题”。

埃尔德什提出的问题是：如果你在一张纸上画出若干个点，那么有多少对点之间的距离可以恰好相同(具体来说是相距1个单位)?埃尔德什证明：如果把这些点按网格排列，可以得到相当多的单位距离点对。随后他猜想，没有任何其他排列方式能比网格好太多。

几十年来，人们都试图证明这个猜想是正确的。然而，OpenAI的模型得出了不同的结论，指出有排列方式比埃尔德什预测的“上界”(不会超过的最大范围)更优。这意味着，它不是证明了猜想，而是推翻了猜想，有力证明AI具有超人智慧，奥秘何在?

一、AI大模型吃的语料(学的教材)库来自“科学试验田网”

‌大模型语料库(学的教材即训练数据库)‌是为了训练大模型汇集的大规模文本、图片、音频、视频等多模态数据集合，是人工智能领域研究和应用的基础数据，也是决定大模型性能和专业性的关键因素。

大模型虽然不是人而是物，但其也要像人类一样每天吃语料(学习的教材)，才能成为辅助人类的工具或帮手。

语料库质量高低与优劣、数量多少与广度深度决定大模型分析思考、研究问题、解决问题的正确与否、能力高低。如果大模型吃的是优质高质量语料(没有杂粮)，就能促进其健康持续成长，逐步回答解决普通人提出的问题且很少出现偏差或胡说八道(即网路所说幻觉)情况。如果AI大模型没有足量优质的训练数据，就会导致大模型无法进行充分训练，掌握知识面也不会宽泛，无法发挥多方面能力。如若有低质量、带噪声、错误的数据，还会干扰模型学习，就会产生错误判断。所以，大模型通过海量的靠谱的训练数据学习语言模式、学习数据分布、提取特征、积累知识，才能提高对复杂问题的处理能力。如果大模型学习数据量越大、越宽泛、越准确，就能提高多领域分析问题的能力，对新数据进行客观分析、预测判断。所以，AI之所以能攻克数学家提出80年的难题，首先其吃的语料(学的教材)库来自科学试验田网。

二、“具有理论水平的名家训练师团队”教会AI大模型

名师出高徒，AI大模型也不是天才，离不开老师教它训练它。

AI没有人类大脑，起步、初级发展阶段基本没有思维意识，但是以后会在名家训练老师指导下具有简单思维或思考能力‌，也是源于人类提供的海量数据、精心设计的算法架构，以及持续的人工干预(如强化学习与人类反馈)结果。

当前，世界上有的AI表现出智慧超人是个别案例，同样也是由“高人”或训练师团队标注题目、设计逻辑、优化推荐策略训练而成。

AI核心是通过数据标注、反馈优化、流程管控三类动作，配合算法完成模型调优。在‌数据标注方面：人工主要负责数据端工作，对原始数据(图片、文本、语音等)添加标签，让模型学习输入和输出的对应关系;去除错误、重复、无效的脏数据，统一数据格式，提升数据质量，避免错误数据干扰模型学习;确定模型的训练目标、评价标准，形成科学规范教学体系，引导AIda模型按照套路出牌。

在模型调优方面，针对已经预训练好的大模型，人工训练更多是通过反馈优化输出效果;人工对AI生成的多个回答打分排序，模型再学习人类的偏好，让输出更符合人类需求;人工审核AI的输出结果，修正错误、不符合规则的内容，再把修正结果反馈给模型让它重新学习，如此反复，不断提高大模型分析理解能力。所以，AI之所以能攻克数学家提出80年难题，其次是名师教它的结果，是高超的人(团队、流程与工程师）打造聪明的AI大模型。

三、AI具有通过比个人或团队更具有的渊博丰富知识来寻求未知答案的能力

OpenAI的研究团队指出，模型给出的解决方案极其反直觉，过去大多数数学家都默认埃尔德什的猜想是正确的，因此他们一直在寻找证明。而AI没有这种心理包袱，它会尝试大量看似荒谬的方向，最终正是在这些尝试中发现了突破口。

此外，数学家通常专注于自己的研究领域，而AI掌握大量不同学科与研究领域知识，并能加以综合分析。有专家认为，这次解答中，AI大模型把代数数论和离散几何结合在一起。研究人员形容，这两个领域的关系，大概像马拉松和撑杆跳一样遥远，而AI却能轻松跨界连接。

大规模的数据能让AI大模型积累更广泛的知识，提升处理复杂问题的能力。如果覆盖多领域、多场景的多样化数据，就能让大模型具备更广泛的通用性，在不同任务上都能保持良好表现。

‌公开信息显示，目前AI搜索在‌特定能力维度已经超过人类，但并未在全场景全面超越人类。

AI搜索可以秒级从百亿级网页中抓取、筛选、整合信息，直接生成结构化答案，人类需要手动筛选网页、归纳总结，效率差距显著。

‌AI支持多轮对话，能记住之前的问题上下文，比如先问作者再追问作品，AI可直接关联理解，传统搜索和人类手动检索都做不到这种连续性。

从目前来看，AI搜索已经在信息获取和整合这个基础搜索能力上超过人类，把人类从筛选归纳的重复工作中解放出来，虽然最终的判断决策依然需要人类主导，但是有的AI大模型快速搜索、归纳总结、处理问题、得出结论超过人类。所以，AI之所以能攻克数学家提出80年难题，有力证明完整推理过程极其庞大，即便删减后的版本仍然超过75,000词。差不多相当于《哈利·波特与魔法石》整本书的长度。

据《华尔街日报》报道，法兰西学院教授、菲尔兹奖得主蒂莫西·高尔斯表示，这个单位距离问题的解答是AI数学领域的里程碑。“如果这是人类写出的论文并投稿到《Annals of Mathematics》，而我被要求给出快速评审意见，我会毫不犹豫地建议接受发表。”他进一步表示，“即便AI从此不再变得更聪明，我们也已经进入了一个新时代。人类将越来越难与AI竞争数学问题的求解能力。”

普林斯顿大学数学教授诺加·阿隆也表示：“AI在这里做到了许多优秀研究者尝试多年却未能做到的事情。”

四、未来要坚持走人机交互、互补共生一体化创新发展之路

就AI攻克数学家提出80年难题问题，英国数学家托马斯·F·布鲁姆称，AI之所以能够获得这一结果，是因为它能够坚持探索那些人类研究者往往会认为“不值得继续投入时间”的研究方向。不过，他强调，人类研究者仍然参与了整个研究过程。OpenAI研究团队认为，AI不会消灭数学研究，相反，它会扩大人类探索未知的能力。事实上，数学家们已经开始利用这次成果中的方法，去攻克其他长期未解决的问题。

OpenAI研究员塞巴斯蒂安·布贝克说，有一点越来越清晰，就是AI已经完全有能力推动真正的科学发现。

AI是超大规模的静态知识库+高速搜索引擎，虽然在知识广度和检索速度上远超个体人类，具有“渊博丰富”知识，但其还没有达到发展高级阶段，还不等于真正能像人类大脑一样全部理解、消化知识、创新创造。所以，只有人机结合互动，才能互补共生、互相学习、取长补短，才能推进螺旋式创新发展。‌‌

当前，“人工智能(AI)+”的浪潮席卷全球，逐步渗透到全球各个行业领域，采访机器人走进直播间、电视频道、会议现场，写稿机器人融入编辑行业、小说家族、理论智库，聊天机器人进入办公场所上班、与人面对面或线上交流互动、回答问题……正在颠覆传统内容生产、采编流程、创新途径，必将推动媒体内容生产、终端服务和监督监管等方面的融合创新，实现全业务、全流程、全网络从数字化向智能化自动化产品化的战略转型。于是有人预言，未来社会将迎来人与AI机器人和谐共生、和睦相处、人机结合一体化共存的命运共同体。

目前，世界各国竞相发展各种无人系统的目的，是让其能自主执行任务，尽量减少人为干预，尤其是超出人为控制距离之外更希望其能自主行动。但是，无人系统毕竟还是机器，其思维能力不如人类大脑发达(有的无人系统虽然超出人类智慧也是聪明人打造的个别案例)，若要其应对瞬息万变、复杂情况很难做出最优快速决策，所以未来有人与无人系统协同，基本采用以人脑指挥引导、人机交互为主。

参考文献：

1、魏岳江：智能武器及其对未来作战的影响，《云南国防》，2003（到2026年已经23年）年第1期

2、魏岳江：智能化条件下作战需要经历四个发展阶段，《中国航空报》，2021年6月22日

3、魏岳江：AI助力人机一体化作战运用断想，《解放军报》中国军网，2021年3月10日

4、魏岳江：AI助力陆战场，《解放军报》，2021年3月26日

5、魏岳江：AI助力海战，《解放军报》，2021年4月2日

6、魏岳江：AI助力未来空战，《解放军报》，2021年4月16日

7、魏岳江：未来人机一体部队构想，《解放军报》中国军网，2021年3月26日

8、魏岳江 于 童：越智能越需要控制，《解放军报》，2021年5月7日

9、魏岳江：医务“钢铁侠”来了，《解放军报》，2020年3月13日

10、魏岳江：数字时代,“智能手机+无人机”创新人民战争表现形式，《生命与灾害》， 2023年第6期

11、魏岳江：未来人机一体化编辑部哥德巴赫猜想，《新闻采编》(核心期刊)，2018年第1期

12、魏岳江：人工智能是否会革了编辑记者的命，《信息化建设》，2018年第2期

13、魏岳江：终结者人工智能武装的军队，《解放军生活》，2019年第1期14、魏岳江：机器人战“疫”百毒不侵 未来可否取代人类，《解放军报》中国军网，2020年3月13日

15、魏岳江：人工智能完胜F-15飞行员之后，《中国空军》，2020年第11期

16、魏岳江：人机一体化何去何从，《中国文化报》，‌2018年3月13日

17、魏岳江：“战争云”，《解放军报》，2020年10月9日18、魏岳江 张峰国：战争中的“数据链”，《当代军事文摘》，2005年第11期，等等。