我强烈推荐大家去看一下数学家陶哲轩近期关于AI的访谈。

如果你没听过他的名字，那你只需要知道，他被誉为数学界的莫扎特，是菲尔兹奖的得主，这个奖项相当于数学领域的诺贝尔奖。

他是一位真正的天才。

他说出了一句足以颠覆我们对AI认知的话：他认为我们每天都在用的AI，可能根本就不会思考。

这句话听起来很刺耳，尤其是在我们已经习惯了ChatGPT对答如流，甚至能写诗、能编程的今天。

但陶哲轩的观点，并非空穴来风。

他指出，大模型背后的数学原理，其实并没有我们想象中那么复杂和前沿。

那些用来训练和运行AI的核心技术，主要是矩阵乘法和基础微积分，这些知识一个本科生就能掌握。

真正让科学家们困惑的，是它的运行结果。

我们知道它如何运行，但我们缺乏一个好的理论来解释它为何能表现得这么好。

我们造出了一台能算出答案的机器，但我们不知道它是怎么想的，甚至它到底有没有在想。

陶哲轩举了一个“纽结理论”的例子。

这是一个极其复杂的数学领域。

最近，一个神经网络在学习了数百万个数学纽结的案例后，竟然发现了一个人类数学家从未怀疑过的、两种不同纽结属性之间的深层关联。

AI在这里扮演的角色，是一个超级模式识别器。

它在海量看似混乱的数据中，瞥见了一个隐藏的规律。

这非常强大，但这不是我们通常意义上所说的“推理”。

陶哲轩认为，我们人类很擅长处理两种极端情况的数学：一种是完美有序的，一种是完全随机的。

但对于介于两者之间的部分结构化的领域，比如语言、比如纽结理论，我们还缺乏好的数学工具，而这恰好是AI大放异彩的地方。

AI的强大，在于它能凭借强大的算力，暴力地发现相关性。

但它不知道这个相关性背后的因果，它只是看到了，然后记住了。

这就是为什么陶哲轩认为，目前的大模型不具备真正的推理能力。

为了理解AI的“不会思考”和人类的“会思考”之间到底有什么区别，我们可以看看陶哲轩在访谈里提到的另外几个例子，那才是真正属于人类的的思维方式。

第一个，是挑战直觉的能力。

在高维几何中，我们的三维直觉会彻底失效。

比如，在一个三维的立方体里放一个球，球会占据大部分空间。

但陶哲轩说，如果在一个1000维的立方体里放一个1000维的球，这个球的体积会变得微不足道，几乎为零。

在那个超高维度的空间里，所有的体积都挤在了角落里。

这个结论完全违反我们的直觉，但它是可以通过严格的数学推理得到的。

这是人类思维的伟大之处，我们可以通过逻辑，抵达一个连我们自己都无法想象的世界。

第二个，是定义规则的能力。

数学的规则并非刻在石头上永恒不变，而是为了追求更深刻的优美而不断演进的。

比如，大约在一个世纪前，数字1还被认为是质数。

但后来数学家们发现，如果1是质数，那么算术基本定理，也就是任何一个整数都能被唯一地分解成质数的乘积，那数学的基石就会坍塌。

比如12可以分解成2x2x3，也可以是1x2x2x3，还可以是1x1x2x2x3，这就乱套了。

为了维护这个定理的“优美性”，数学家们开会决定，把1开除出质数的行列。

你看，这种为了维护系统优雅而重新定义规则的认知能力，是目前AI完全不具备的。

第三个，是逻辑的力量。

有一种数学证明方法叫反证法，小孩子在玩游戏时就能自己发现。

比如，一个小孩说一百万是最大的数，另一个小孩只需要说“那一百万零一呢？”，他就完成了一次漂亮的反证法，证明了“最大的数是不存在的”。

数学家哈代有一个更精彩的比喻，棋手可能会牺牲一个兵或一个象来赢得胜利，但数学家在用反证法时，他会把整个棋局都让给你。

他会先承认对手的观点完全正确，然后从这个看似正确的观点出发，通过一系列无懈可击的逻辑推导，最终得出一个荒谬的、自相矛盾的结论，从而让对手的整个逻辑大厦瞬间崩塌。

这是逻辑力量的终极体现。

理解了这些，我们再回头看AI。

它能应用一个数学定理，但它无法为了系统的优美而去修改一个定义。

它能处理海量的数据，但它很难摆脱数据本身的维度去进行纯粹的抽象推理。

我们人类发明了数学这套语言，去发现宇宙本身存在的规律。

现在，我们又发明了AI这个新工具，来帮助我们更好地去发明和发现。

AI给了我们一个前所未有的强大答案，但真正有价值的，永远是那个提出问题的、会思考的人。