#608.3Blue1Brown创始人：AI攻克数学前沿，人类创造力与科学发现将何去何从

📝 本期播客简介本期我们克隆了：知名播客《Dwarkesh Podcast》在 Jul 1, 2026 的一期深度对谈 Grant Sanderson (@3Blue1Brown) – AI and the future of mathGrant Sanderson 是广受欢迎的数学科普频道 3Blue1Brown 的创始人，他正在制作一个记录人工智能在数学领域进展的新项目。这期节目主要探讨了人工智能在数学前沿的突破速度，以及这些进展对我们理解创造力、科学发现和未来工作意味着什么。节目从 AI 在国际数学奥林匹克竞赛（IMO）上的表现切入，深入讨论了 AI 解决千禧年大奖难题的可能性，以及这背后更深层的问题：当 AI 能证明定理时，人类的角色是什么？Grant 通过伽罗瓦和群论的历史案例，精彩地阐述了数学中“提出好问题”和“创造新定义”的价值，这些往往比证明定理本身更重要，却难以被量化为基准测试。对话还延伸到 AI 在写作、编程、学习等领域的局限性，以及数学家在 AI 时代可能转向“策展人”角色的未来图景。如果你对 AI 的能力边界、科学发现的本质、以及未来人类与 AI 的协作方式感兴趣，这期节目会提供极具深度的思考。👨‍⚕️ 本期嘉宾Grant Sanderson，全球知名数学科普频道 3Blue1Brown 的创始人。他以精美的可视化动画和清晰的讲解风格，将复杂的数学概念变得直观易懂，影响了无数数学学习者和爱好者。他正在制作一个记录 AI 在数学领域进展的新项目，深度关注人工智能如何改变数学研究的方式。⏱️ 时间戳开场与AI在数学上的突破01:10 嘉宾介绍与AI在数学领域的进展速度01:34 三年前的预言：IMO金牌不等于AGI02:23 为什么IMO题目其实是可以训练的02:54 AI进展的“尖峰”特性：数学正好在尖峰上03:11 AI在几何题上秒杀，组合题上挣扎千禧年难题与AI的能力边界03:55 解决千禧年难题是否意味着能胜任白领工作？04:20 跨领域知识连接的可能性04:55 蒙哥马利与戴森的故事：偶然的跨领域连接06:26 费马大定理的解法：需要构建理论的大山07:16 如果AI能构建理论大山，智能水平就太高了下一个基准：提出猜想与创造定义07:50 移动球门：IMO金牌没有带来变革性影响08:50 下一个基准：提出有趣的问题和新的概念化方式09:28 好的数学家证明定理，伟大的数学家提出猜想10:05 如何量化“提出好猜想”？这很难做成基准11:05 数学家们对AI的语气在过去一年发生了变化伽罗瓦、群论与可验证奖励的困境12:17 提出新思考方式的价值：爱因斯坦与广义相对论13:13 伽罗瓦与群论：验证循环长达100年14:22 为什么伽罗瓦理论是完美的例子14:41 五次方程求根公式的历史背景15:56 拉格朗日：找到正确的提问方式17:41 伽罗瓦的悲剧人生：在监狱里写下革命性想法18:54 当时的学术界拒绝了伽罗瓦的论文19:49 伽罗瓦去世后，想法花了40年才被认可21:24 历史可能走向另一种可能：伽罗瓦被遗忘22:01 群论的应用：盖尔曼预言夸克的存在压缩即智能：如何衡量“优雅”22:25 不以解决问题为标准，如何衡量进步？22:51 “压缩即智能”：表达越简洁越智能23:14 黎曼猜想解法的第三种可能：纯粹靠硬算23:36 用柯尔莫哥洛夫复杂度量化“优雅”23:55 人类一直在做这件事，AI迟早也会做到AI会否让数学变得不可理解？24:48 担心AI证明黎曼猜想但人类不理解25:18 单位距离猜想反例：AI的推理是可理解的25:43 解黎曼猜想的三种方式：连接、理论构建、蛮力26:48 ABC猜想尝试性证明：异类的数学大山27:31 David Bessis：《定理经济的衰落》28:36 知道解是对的，会帮助人类理解证明与解释的区别29:16 Timothy Chow：“未解决的阐述性问题”30:17 证明和解释之间有区别30:51 概念化与想法本身真的有区别吗？31:16 提出新颖洞见的人往往也是优秀的阐释者32:08 AI可能也会擅长解释和提炼数学家的未来：策展人角色32:34 Grant会一直做现在做的事直到死33:10 数学家最终会变得更像美术馆策展人33:55 Grant的角色可能转向策展方向34:27 人类音乐家永远有一席之地，数学也一样AI作为超级连接器34:37 AI刚跨过连接想法的门槛，下一步是什么？35:16 广义相对论就是把黎曼几何和狭义相对论连接起来35:41 朗兰兹纲领：一种研究精神36:25 AI成为超级连接器的可能性37:25 为什么自回归模型难以建立跨领域连接？39:20 从数据角度思考：设计环境激励连接能力并行化与数字心智的优势40:44 AI的关键优势：并行化和可扩展性41:33 数字心智天生具备的优势41:57 设计Agent之间的“偶然对话”42:37 故意给不同Agent不同的上下文43:03 IMO钓鱼题：需要跳出上下文才能解44:24 系统性刷新思维：数字心智的优势熵坍缩与系统性增加熵44:59 人们对AI的担忧：熵坍缩45:13 AI的关键优势：系统性尝试否定和证明45:46 爱因斯坦的偏见：在prompt层面增加熵46:34 科学不存在唯一正确的启发式方法可反复尝试性比形式化更重要47:20 为什么AI在计算机使用方面进展慢？47:38 可反复尝试性是关键，不只是可验证性49:19 Lean对于AI目前的进步水平没那么重要49:57 可反复尝试性比形式化更重要50:34 Lean的未充分探索的好处：无限探索52:08 数学独有的特性：按下启动键，十年后回来看自然语言验证与过程监督52:48 Karpathy的AutoResearch想法53:32 人类数学研究就是一个不断扩展的图书馆54:17 穷举搜索所有可能的代数系统55:28 DeepSeek数学模型：自然语言验证的可行性56:16 数学比其他领域更可能信任自然语言验证器57:26 Lean的另一个意义：消除错误率写作为什么比数学和编程更难58:42 写作进展慢的原因：不擅长评判59:17 写作不像代码和数学那样模块化59:59 为什么代码能从“能用”进步到“干净”，写作不行？01:00:58 写作的关键在于洞察力01:02:27 不可预测性是写作的核心心智理论与AI的局限性01:02:38 AI在构建人的心智模型方面特别差01:02:45 教LLM写间隔重复提示卡的实验01:03:19 写一张好卡片需要投射人的心智状态01:04:15 肉毒杆菌实验：理解表情需要模仿01:05:39 模型没有面部肌肉，像外星人在尝试共情如何用LLM学习01:07:17 用LLM学习的建议01:07:58 “跟谁学”比“学什么”更重要01:08:52 LLM的解释像维基百科，缺乏刻意构建的动机01:09:14 把LLM当超级加强版Google用01:10:14 最有收获的学习经历：先有人搭好枝干01:11:17 LLM不擅长重新框定你的问题给学生的建议01:12:48 对想成为数学家的学生的建议01:13:20 搞清楚钱从哪来、你创造什么价值01:15:18 数学家的社会角色变化不大01:16:03 教学是后AGI时代最稳定的工作之一01:17:08 在疯狂的世界里，数学是AI走得最远的领域数学加速的实际应用01:18:03 AI做出来的数学到底有没有用？01:18:39 数学进展不均衡：代数数论vs偏微分方程01:18:53 波音的例子：数学洞见省了几十亿美元01:19:46 数学巨大突破不太可能立刻转化为经济突破01:21:09 数学已经变得完全没用了吗？🌟 精彩内容💡 “好的数学家证明定理，伟大的数学家提出猜想，最伟大的数学家创造定义”Grant引用了这句名言来阐述数学创造力的层次。在AI时代，提出好问题和创造新概念的能力可能比证明定理更重要，但这些恰恰是最难被量化为基准测试的能力。“好的数学家证明定理，伟大的数学家提出猜想，而最伟大的数学家创造定义。”💡 伽罗瓦理论：验证循环长达100年Grant通过伽罗瓦和群论的历史，精彩地说明了数学中最有价值的洞见往往需要极长时间才能被认可。伽罗瓦在监狱里写下的革命性想法，当时被学术界拒绝，花了40年才被理解，而群论在物理学中的应用更是等到20世纪才出现。这对AI的“可验证奖励”训练范式提出了深刻挑战。“你确实有这整整100年的时间，一个想法流经许多不同人的头脑，最后才沉淀成数学界公认的好东西。”💡 数学独有的特性：按下启动键，十年后回来看Grant指出，有了Lean这样的形式化工具，AI可以在数学领域实现完全自动化的无限探索，不需要人类检查，只管砸算力。这是其他领域都不具备的特性。“这是数学独有的、其他领域都没有的特性。你可以按下启动键，然后只管往里砸算力，十年后再回来看，问它‘你有什么成果？’”💡 数字心智的优势：系统性刷新思维Grant和Dwarkesh讨论了AI可以通过给不同Agent不同的上下文和偏见，系统性地增加“熵”，避免陷入单一思维模式。这与人类需要“跳出上下文”才能解决某些问题的特性形成对比。“有时候，你在其他领域做人类研究时，也会想要同样的东西，有时候就是需要能够说，刷新你的思维，用一个完全不同的方式来切入。”💡 写作的关键在于不可预测的洞察力Grant深入分析了为什么AI在写作上表现不佳。写作不只是对已有想法的蒸馏，关键在于在正确的节点做出不可预测的举动，那才是更有洞察力的地方。这与自回归模型的生成方式存在根本矛盾。“要写出好东西，就必须包含某种不可预测的元素……在哪个正确的节点做出一个不可预测的举动，那才是更有洞察力的地方。”💡 教学是后AGI时代最稳定的工作之一Grant认为，即使AI成为完美的讲解者，教学仍然是最稳定的职业之一，因为它太依赖人与人的关系。老师所做的是一种非常社会化的、教练式的、导师式的事情。“即使LLM是很好的讲解者，老师所做的是一种非常社会化的、教练式的、导师式的事情，这可能是未来50年里最稳定的职业之一。”💡 数学家最终会变得更像美术馆策展人面对AI能产生海量数学成果的未来，Grant提出数学家的角色可能转向“策展人”——在近乎无限的想法空间中导航，判断哪些想法值得投入和展示。这种策展能力依赖于人与人之间的信任关系。“你仍然需要有人帮你在这个近乎无限的空间里导航，告诉你哪些想法值得投入……我们永远会更喜欢一个和我们有关系的人，因为我们被激发兴趣的方式是一种社会现象。”```🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺；如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight在小宇宙查看该单集文稿