今天，谷歌DeepMind重磅發起「AI賦能數學計劃」，集結了全球五大頂尖機構。

他們將用上谷歌最強數學AI，去探索發現新的疆域。

這其中，有奪下IMO金牌的Gemini Deep Think，有算法發現AI智能體AlphaEvolve，還有形式化證明自動補全AlphaProof。

目前，首批合作機構陣容，堪稱豪華：

• 倫敦帝國學院
• 普林斯頓高等研究院（IAS）
• 法國高等科學研究所（IHES）
• 西蒙斯計算理論研究所（加州大學伯克利分校）
• 塔塔基礎科學研究所（TIFR）
  

這五大機構有著一個共同的使命，發掘可以被AI點亮的數學難題，加速科學發現。

然而，陶哲軒擔憂的是，「當前AI在數學研究中應用加深，除了負責任的使用，AI濫用的案例也屢見不鮮」。

因此他認為，現在正是時候，啟動關于如何最佳融入AI、透明披露其作用，并緩解風險的討論。

或許，這不僅能守護數學研究的嚴謹性，還將為AI+數學融合鋪就道路。

五大頂尖機構，聯手強攻數學難題

數學，是宇宙最基礎的語言。

在谷歌DeepMind看來，AI可以作為強大工具，與數學家合作，激發其創造力。

「AI賦能數學計劃」的誕生，就是為了：

發掘有望借助AI獲得深刻見解的新一代數學難題；  

構建支持這些前沿探索所需的基礎設施與工具；  

最終加速科學發現的步伐。

這項計劃，將由Google.org提供資金支持，以及谷歌DeepMind的頂尖技術。

幾個月來，谷歌DeepMind自身的研究，取得了飛速進步。

2024年，AlphaGeometry和AlphaProof在IMO競賽中，拿下了銀牌。

而搭載Deep Think的最新Gemini模型，更是在今年IMO中取得了金牌水平的表現，完美破解5題拿下35分。

今年5月，谷歌DeepMind又發布的AlphaEvolve，堪稱最強通用AI智能體。

在數學分析、幾何學、組合數學和數論領域50個公開難題上，20%題目中，AlphaEvolve取得了最優解。

而且，在數學與算法發現領域，它發明了一種全新的、更高效的矩陣乘法方法。

具體來說，在4x4矩陣乘法這一特定問題上，它發現了僅需48次標量乘法的算法。

這一結果，打破了1969年由Strassen算法，創下長達50年的歷史紀錄。

不僅如此，在計算機科學領域，AlphaEvolve協助研究員發現了全新的數學結構。

同時，它還發現了有些復雜問題的求解難度，其實比人們過去想的還要高，這讓研究者對計算邊界看得更清楚、更精準，為未來的研究探明方向。

以上這些進展，都是當前AI模型快速發展的有力證明。

對于AI的全部潛力，還有它怎么搞定思考最深奧的科學問題，人類的理解才剛剛開始。

AI+數學，邊界在哪？

一直以來，陶哲軒是「AI+數學」領域應用的看好者，也是最佳實踐者。

他曾多次聯手GPT-5 Pro等頂尖AI，破解了許多數學領域的難題，大大提升了效率。

毋庸置疑，在數學領域，LLM和證明助手等AI工具，正悄然改變研究范式。

最近，一些頂尖論文開始融合AI，推動了從形式化證明到復雜計算的創新。

論文地址：https://borisalexeev.com/pdf/erdos707.pdf

然而，隨著AI的深度介入，也引發了一個關鍵問題：

如何確保這些工具的使用，不損害論文的嚴謹性和價值？

陶哲軒獻策

借此契機，陶哲軒在公開平臺上發起了討論，在長帖中，他提出了三大建議。

以下，AI一詞，它不僅涵蓋LLM，也包括神經網絡、可滿足性求解器、證明助手以及任何其他復雜的工具。

1 AI使用聲明

論文中，所有對AI實質性的使用，超出其基礎功能，比如自動補全、拼寫檢查，或搜索引擎AI摘要，都必須明確聲明。

2 AI風險討論與緩解措施

論文中，應討論所用AI工具可能帶來的一般性風險，并說明為緩解這些風險已采取的措施。

以下將舉例說明：

2.1. 內容虛構，出現了「幻覺」

AI可能會編造參考文獻、證明過程或文本，導致事實錯誤。

建議不要在論文正文中，使用AI生成的文本；若必須使用AI輸出，則用不同字體或標記清晰標注。

2.2. 缺乏可復現性

專有AI或高計算成本的結果難以復現。解決方案是，開源提示詞、工作流程、認證數據等，讓他人能低成本驗證。

2.3. 缺乏可解釋性

AI輸出往往晦澀，其解釋可能站不住腳。建議為每個AI輸出配以人類撰寫的、可讀性強的對應內容。

比如，一個定理可以同時包含一個由人類撰寫、易于閱讀的非形式化證明，以及一個由AI生成但不易閱讀的形式化證明。

2.4. 缺乏可驗證性

AI易藏細微錯誤，檢查耗時。

形式化驗證，一致性檢查，都有助于緩解這一問題，并采用多層次方法。

關鍵是標注驗證范圍，在定理旁加「校驗標記」，未驗證部分則明確說明。

2.5. 目標形式化不當

AI可能精確解決「錯位」目標，即形式化后的命題偏離作者意圖。為此，應從獨立來源獲取形式化目標，或由人類深入審視形式化過程。

2.6. 可能利用漏洞達成目標

與上一問題相關聯，AI可能會鉆形式化表述的空子，如添加任意公理「證明」命題。

應對方法是，列出已知漏洞，并討論排除機制確保過程嚴謹。

2.7. AI生成代碼有Bug

AI生成代碼bug更加隱蔽，難以用傳統標準方法來檢測修復。

為此，建議采用大量單元測試、外部驗證，或將AI使用限于簡單場景，復雜任務需由人類修改適配。

3 責任歸屬

最終，論文的所有作者，必須為AI貢獻內容承擔責任，包括任何不準確、疏漏或虛假陳述。

除非明確標記為「未經核實」，否則作者不能推卸。

以上這些，僅是陶哲軒的拋磚引玉，他希望加入更多的討論，和業界研究人員進一步完善這份清單。

評論下方，一位研究者John Dvorak直戳痛點——

除非我們能跨過臨界點，讓所有數學證明都用Lean做形式化驗證，成為學界的標配，否則這個問題基本無解。  

說到底，在Lean普及之前，這些法子雖然治標不治本。

對此，陶哲軒拋出了最近看到的一個觀點，即用AI審稿質量是可以的，但它并非是主要的篩選工具質之一。

否則就會觸發「古德哈特定律」（Goodhart's law），AI工具就會找到漏洞，用一些異常、分布之外的文本字符串就能繞開審核。

說白了，AI評估器頂多給人類審核當個輔助，而不能完全取代人類評估者。