[控场AI]
· 3 分钟阅读· 1,967 字

AI如何改写数学史:从2+2=5到纳维-斯托克斯方程

AI如何改写数学史:从2+2=5到纳维-斯托克斯方程

一位作者为弥合AI数学突破与大众理解之间的鸿沟,写了这本面向非专业读者的AI数学简史。

这本《From 2+2=5 to Navier–Stokes》以AI在数学领域的能力跃迁为主线,从早期语言模型连基础算术都会出错,一路讲到2025年AI在国际数学奥林匹克夺得金牌乃至被寄望于触碰千禧年未解难题。作者并非学术写作,而是出于"无法向朋友解释这些成果为何重要"的切身困境,刻意面向普通读者设计:无公式、附约300条注释链接,并在学界存在分歧处并列呈现不同观点。书的内容截至2026年9月30日,作者坦承进展之快让任何书籍都难以追上,并计划持续更新。对想理解"AI数学走到了哪一步"却苦于缺乏背景的读者而言,这更像一份带注解的历史索引,而非技术专著。

一本写给非专业读者的AI数学简史

一位数学与AI双重爱好者在Reddit上分享了他的新书《From 2+2=5 to Navier–Stokes: A Short History of AI in Mathematics》。作者坦言,过去几年AI在数学领域的突破让他感到震撼,尤其是2025年AI摘得国际数学奥林匹克(IMO)金牌这一标志性事件。然而当他尝试向朋友解释这些成果的重要性时,却屡屡因为缺乏背景知识而难以沟通。

正是这种“有价值的信息无法有效传达”的困境,促使他把整个故事整理成一本面向普通读者的小书——没有公式,附带约300条带链接的注释,并且在学界存在分歧的地方,把不同版本的观点并列呈现。这种处理方式对于一个快速演进、充满争议的领域而言,显得格外负责任。

reddit原帖截图

从算术错误到千禧难题的叙事跨度

书名本身就是一个巧妙的隐喻。“2+2=5”指向早期语言模型在最基础算术上的滑稽失误——这几乎成了嘲笑AI“不懂数学”的经典梗。而“纳维-斯托克斯方程(Navier–Stokes)”则是流体力学中著名的千禧年大奖难题之一,代表着人类数学尚未攻克的最高峰。

从一端到另一端,这条叙事线勾勒出AI在数学能力上的巨大跃迁:从连简单加法都会出错,到能够参与奥赛级别的证明推理,甚至被寄望于触碰最前沿的未解难题。作者选择用这两个极端作为书的首尾,既通俗易懂,又精准点出了这段历史的张力所在。

纳维-斯托克斯方程是描述黏性流体运动的偏微分方程组,由19世纪物理学家克劳德-路易·纳维和乔治·斯托克斯分别独立推导而来。它被广泛应用于天气预报、航空动力学、海洋流动等领域,但其数学性质至今尚未完全厘清。具体而言,"千禧年大奖难题"中与之相关的问题是:在三维空间中,纳维-斯托克斯方程的光滑解是否总是存在且唯一?这一问题由克雷数学研究所于2000年列入七大千禧难题,每题悬赏百万美元,迄今仍未被解决。将它作为书名的另一端,不仅代表数学前沿的最高难度,也暗示AI未来可能介入纯数学研究的终极想象。

以IMO金牌为代表的里程碑事件

作者特别提到,真正击中他的第一个标志性成果是AI在IMO上获得金牌。国际数学奥林匹克的题目以难度高、需要创造性证明而著称,长期被视为检验真正数学推理能力的试金石。AI能在此类竞赛中达到金牌水平,意味着它不再只是记忆和模式匹配,而是展现出了某种程度的多步推理与问题求解能力。

对于非专业读者来说,这类成果往往被淹没在层出不穷的AI新闻中,难以体会其分量。而这本书的核心价值,恰恰在于补齐“为什么这件事重要”的上下文——这也是作者写作的最初动机。

国际数学奥林匹克(IMO)创办于1959年,每年举办一届,面向全球高中生,题目涵盖代数、几何、数论、组合数学等领域,以需要原创性逻辑证明而非计算量取胜著称。2025年,Google DeepMind的AlphaProof与AlphaGeometry系统在IMO测试题目上达到金牌得分线,被视为AI形式化数学推理的重要突破。此前,AI系统在IMO题目上长期停留在银牌或铜牌水平。这一成果之所以受到重视,在于IMO题目无法通过记忆训练数据或统计模式直接解答,必须构造严格的逻辑证明链,因此被认为是检验AI"真正理解数学结构"而非"复述已知答案"的更可靠标准。

一本注定需要持续更新的书

值得玩味的是,作者在帖子中坦诚地说明:本书的内容截止到2026年9月30日,因此OpenAI本周公布的最新进展并未被收录。他略带无奈地表示“但事情就是这样”,并计划未来不定期发布更新版本。

这句话本身就折射出当下AI领域的现实:进展速度之快,让任何试图“盖棺定论”的书籍都难以追上节奏。一本关于AI数学史的书,在出版那一刻可能就已经“过时”了一部分。这既是写作者的困扰,也从侧面印证了这个领域的爆发式演进。作者选择把书末的时间线单独分享出来,供所有人跟踪进展,也是一种务实的态度。

对普通读者意味着什么

这本书的意义不在于提供新的技术突破,而在于“翻译”——把专业圈内激动人心却晦涩难懂的成果,转化为普通人能理解的叙事。无公式、重链接、并列呈现分歧观点的做法,降低了阅读门槛,同时保留了严谨性,避免陷入对AI能力的夸大或贬低。

对于想要理解“AI到底在数学上走到了哪一步”的读者,这类科普作品填补了专业论文与碎片化新闻之间的空白。当然,是否值得购买仍需读者结合自身需求判断——它更像是一份带注解的历史索引,而非深度技术专著。

需要说明的是,本文基于Reddit原帖信息整理,书中具体内容与质量尚无法从单一来源完整验证。

分享:

相关推荐