多伦多大学数学家Daniel Litt和a16z的Lisha Li谈AI对数学的影响： 这些模型在数学领域的能力比新闻标题所暗示的范围更窄。它们擅长进行复杂的长时间计算，从人类无法阅读的海量论文中提取技术思想，并比几乎任何人都更好地应用已知的技术。 但它们无法建立理论，也无法长时间坚持一种模糊的哲学并将其精确化，而这正是Daniel说他实际工作的大部分内容。 在这次对话中，他和Lisha讨论了数学家如何从AI的证明中“拆零件”并用它们解决了其他几个问题，为什么一千个AI数学家可能最终都是同一个数学家，以及为什么一个模型给Daniel的证明虽然是正确的，但仍然毫无价值。 00:00 开场 02:10 AI推翻的Erdős问题 06:20 AI的推理看起来像人类的思维 07:55 为什么英语胜过形式化证明 10:00 为什么模型无法建立理论 14:50 未解决问题衡量你的无知 17:45 一个图如何成为千禧年大奖问题 18:58 AI无法帮助Daniel的地方 21:15 为什么丑陋的证明值得去做 23:42 真命题比假命题更难 29:32 10页计算，零洞察 34:55 数学的目标不是发表论文 36:25 5个猜想，3篇糟糕的论文，1小时 38:05 一个数学家被复制1000次 40:48 即使模型胜出，人类仍然重要 46:30 当“更便宜更差”胜过“更好” 49:22 为什么最新的AI成果没什么大不了 57:05 数学家如何实际检查一个长证明 59:38 Daniel的3岁孩子已经在做数学了 YouTube: https://www.(youtube.com)/watch?v=tQI35CSNB08 @littmath @lishali88