【对话马骁:当AI可以量产证明,对数学家是好事吗?】
小学五六年级的一堂奥数课上,老师把一个圆切开、重新拼成长方形,由此推导出圆的面积公式。下课前,他又补了一句:这个办法很特殊,只对圆成立;如果要算椭圆和更一般图形的面积,就得用微积分。
班上其他人或许很快忘了这句话,但马骁没有。那时他偏偏酷爱“算面积”这件事。为了弄清楚那个没有在课堂上算完的椭圆,他跑到新华书店翻书,从高中数学一路向前,最后在同济大学数学系编写、由高等教育出版社出版的《高等数学》里找到了积分。到初中时,他已经能够照着书算面积,但仍看不懂极限背后的 ε—δ 语言。
“我只能理解怎么算,理解不了它为什么成立。”他说。
多年以后,马骁先后走进调和分析、波湍流和数学物理,研究的问题早已超出那只没有算完的椭圆。2024 年,他与邓煜、Zaher Hani 合作发表论文,从硬球系统严格推导玻尔兹曼方程,并将过去只能在很短时间内成立的经典结果推进到任意长时间,只要相应的玻尔兹曼方程解仍然存在。这项成果也是邓煜获得 2026 年菲尔兹奖的代表性工作之一。
马骁本科毕业于中国科学技术大学,2023 年在普林斯顿大学获得博士学位,目前是密歇根大学 Donald J. Lewis Research Assistant Professor。
7 月底,马骁刚参与了费城举行的国际数学家大会。突然涌来的媒体、朋友和校友,都想听他讲一讲这项工作。我们原本也准备从他的数学研究一路向后追问,但谈到大约半小时后,对话出现了一个意外的转向。
“接下来两三年,我可能会把主要精力转到智能体。”他说。
他正在做 qmd-prover,一套面向数学证明的智能体系统(项目地址:http://t.cn/AXCT5SIP);也在尝试把想法输入、证明、验证乃至论文生成串成自动化流程。他把手头的数学问题当成测试集,观察 AI 在哪里卡住,再用数学家的方法修改它的规则、结构和验证机制。在他看来,这不是离开数学,而是“磨刀不误砍柴工”。
这使得整场谈话有了另一条隐约的线索:小时候,马骁不能接受自己只会套公式、却不知道公式为什么成立;现在,他最关心的仍是怎样让一份证明可靠、可读、可验证。只不过,这一次写证明的主体可能不再完全是人。
他对 AI 的判断相当激进:证明一旦变得足够便宜,就会像代码一样渗进各行各业;传统意义上的专职纯数学家可能减少,但数学反而会获得前所未有的扩张。他甚至不太同意陶哲轩关于保留“认知摩擦”、控制“AI 饮食”的主张。在他看来,如果使用 AI 反而让人变差,通常不是因为信息太多,而是围绕 AI 的规则、验证和可观测机制还没有做好。
但他的乐观并不等于认为 AI 已经解决了数学。它可能偶尔碰出很强的结果,也可能困在一个特殊情形里计算几百页;它能找到一道题最关键的想法,却在证明细节上出错;它也许已经可以写出正确、可验证的论文,却还写不出一篇真正好读的论文。马骁把当下称作数学的“前 Claude Code 时代”:惊艳时刻已经出现,稳定、规模化的生产尚未到来。
文章是DeepTech与马骁的对话。
阅读全文:http://t.cn/AXCT5SIh
来源:DeepTech深科技
#科学家的故事##人工智能##上微博涨知识#
发布于 北京
