解道奧賽題成本5000美元？陶哲軒警告，AI下一步要規模化的「更便宜」

2025-07-25 15:02:23

人工智能新聞

在剛結束不久的 IMO 競賽中，谷歌的新一代 Gemini 進階版模型成功解決了六道超高難度試題中的五道，達到了今年 IMO 的金牌水平（35/42)，成為首個獲得奧賽組委會官方認定為金牌的 AI 系統。

人工智能和數學是密不可分的。

AI 的發展離不開數學的進步，同時 AI 的進步也離不開解決數學問題的能力。

加州大學洛杉磯分校數學系終身教授，菲爾茲獎獲得者，被稱為「數學莫扎特」的華人數學家陶哲軒，參加了今年度 IMO 競賽的頒獎典禮。

他同樣也對在 IMO 取得成績的 AI 模型十分關注。

但他同樣表達了一定程度的擔憂，希望明年能夠在更加受控的環境下對 AI 模型進行科學比較和評估。

陶教授認為：一些在標準考試條件下可能連銅牌都難以穩定獲得的學生或隊伍，在某些經過修改的賽制下，反而可能穩定地達到金牌水平。

因此，在沒有采用統一、非參賽隊自選的控制性測試方法的前提下，對于不同 AI 模型在類似 IMO 等競賽中的表現，應當謹慎看待，避免作出過于簡單化的「對等」比較。

陶教授對人工智能的發展和評估的關心是一貫的。就在剛剛，他在 mathstodon 上發表了對于人工智能發展現狀的觀點和對于未來的評估策略的建議。

人工智能技術現已迅速接近從定性到定量成果的轉型階段。

隨著一項技術成熟，關注點往往會從定性的成就轉移，例如誰第一個實現了某個目標，轉向更定量的衡量標準，例如完成單個任務需要多少資源和專業知識，以及會產生多少環境影響和傷害風險。

這是一個必要的轉變，以便將技術從概念驗證擴展到大規模應用。

舉兩個例子：諸如萊特兄弟在 1903 年首次實現動力、可控、比空氣重的飛行；林德伯格在 1927 年首次獨自不間斷跨大西洋飛行。

但真正讓跨大西洋航空旅行變得低成本、安全且對發達國家中產階級來說可以定期負擔得起的，并不是這些初期的壯舉，而是從上世紀 50 年代開始，長達數十年的噴氣式航空技術的持續發展，以及與之配套的基礎設施和后勤系統的穩步完善。這些工作雖枯燥，卻至關重要。

相比之下，阿波羅計劃雖曾在 1969 年成功實現了載人登月的里程碑，但代價極為高昂。與航空領域的發展不同，太空探索在成本降低方面并未取得顯著進展。

如今，幾乎任何一個具體的概念驗證目標，只要投入足夠的資源和專業團隊，都有可能在未來幾年內通過類似「登月計劃」式的 AI 項目實現。

但真正要將這些技術大規模部署到現實世界中，關鍵問題已經從「能否做到」轉向了「如何以更低成本、更高安全性和更強可擴展性實現」。

簡而言之，就是人工智能需要「降本增效」。這與評估 AI 模型的方式密不可分。

在宣布某一目標完成時，顯然有必要同步報告其所消耗的資源成本。但同樣重要的是，也應報告失敗案例，以更準確地評估成功率 —— 這是衡量預期成本的關鍵部分。

舉例來說，如果某個先進的 AI 工具每次嘗試解決一道奧賽級別的問題需要耗費約 1000 美元的算力資源，但成功率只有 20%，那么平均每成功解決一次問題的實際成本就是 5000 美元。如果只報告那 20% 的成功案例，就會對實際成本形成嚴重誤導。

同理，如果這些成功案例是在有高薪專家全程監督、監控，甚至準備隨時介入的前提下完成的 —— 即使最終沒有觸發人工干預，這部分「待命成本」也應計入整個過程的實際成本。

盡管未來的擴展規律（scaling laws）可能會有所變化，但可以預見的是，最耗費資源的 AI 系統依然會比那些廉價模型更強大。因此，在實際應用中，「輕量型」與「密集型」AI 工具各有其用武之地。

以陶教授最近完成的「等式理論項目（Equational Theories Project）」為例：在總共需要證明的 2200 萬條蘊涵關系中，絕大多數是通過非常簡單的暴力方法完成的；剩下的很大一部分則由中等強度的自動定理證明器（ATP）解決；再往后，一部分由人類參與者解決，最后少數幾個疑難問題，則依賴多個研究人員與 ATP 工具協作攻克。

盡管并未大量使用像大型語言模型這樣的現代 AI，但陶教授預計未來類似的大規模項目會呈現類似的發展路徑：

項目的絕大部分由「廉價」AI 完成，而「昂貴」的高級 AI 則與人類專家協同作戰。

展望未來，標準化的基準測試和競賽將變得越來越重要，特別是那些要求提前披露資源使用和方法細節的評測機制。這對于準確衡量 AI 技術的「量變」進展至關重要。

這與陶教授在 IMO 競賽后對 AI 公司自我披露競賽結果擔憂的觀點是一脈相承的。