AI知识考古：从遗忘的文献中重新发现旧解

数学巨擘陶哲轩的最新发现揭示了AI在解决Erdos难题时，实则是在挖掘人类已解决但遗忘的「旧闻」。这一现象表明，当前AI的核心能力并非从零开始创新，而是依靠强大算力，在人类文献的「长尾黑洞」中搜索那些被忽视的「低垂果实」。

近期，数学界发生了几起令人啼笑皆非却又充满深意的事件。几个著名的Erdos问题，被最新的人工智能工具「自主」解决了，但随后发现这些问题早在多年前已被解决，只是被遗忘在冷门文献中。

这不仅仅是「AI闹乌龙」的笑话，更是对当下AI进化逻辑的深刻揭示。陶哲轩在Mastodon上发表了对此事的看法，他通过这一现象精准地指出了AI进化的真正逻辑。

陶哲轩的质疑：是「偷看答案」还是「捡软柿子」？

事件发生后，大部分人的第一反应是数据污染。现在的AI模型（如GPT-4、Claude等）都是基于海量互联网数据训练而成。人们认为AI可能是「作弊」了，即可能在训练数据中偷偷看过那些冷门论文的答案，并将其编码在模型中。

然而，陶哲轩认为事情并不简单。他敏锐地指出一个疑点：其他深度研究类AI工具并未发现这些联系。如果仅仅是数据污染和死记硬背，那么所有看过这份数据的模型都应该能答上来。但事实并非如此。

于是，陶哲轩提出了一个极具洞察力的理论：「低垂果实」。他在文中写道：

所谓「最易摘取的果实」，是指那些使用相当标准的技术、通过简单证明就能解决的问题。这类「简单问题」恰恰也是人类数学文献中的「盲区」，因为证明过程相对简单，当年的数学家可能觉得「这也没啥了不起的」，就没有大张旗鼓地宣传，或者随手发在了一个不知名的期刊角落里。

这就导致了一个尴尬的现状：这些问题在著名的「Erdos问题数据库」里，依然显示为「Open（未解决）」状态，但实际上它们在几十年前就已经被某位无名学者解决了。

这就是陶哲轩看穿的真相：

AI并没有像数学家那样发明全新的数学大厦，它做的事情更像是「捡漏」。它利用强大的算力与模式识别能力，把那些「名义上未解决，实际上已被解决，但被人类遗忘在角落」的问题，重新挖掘了出来。

AI的「超强扫雷」能力

陶哲轩的发现实际上给全人类的知识管理体系带来了挑战。我们以为科学大厦是层层累进的，但实际上，科学文献里充满了「长尾」。成千上万的论文躺在数据库里吃灰，无数的微小进展因为没有大佬站台而被淹没。

在相关讨论中，有一位网友提出了一个玄幻且精准的假设：「信息黑洞」。这些解决方案的信息早已被编码在旧的神经网络权重里或浩瀚的互联网数据中，但它们不是以「教科书」那样结构化的方式存在，而是「非局域化」的。

对于人类来说，想要从这堆乱码里找到「这个问题在1998年被解决过」的线索，计算成本太高了。但AI能做到。

陶哲轩在文中极其乐观地预测：

「这种工具能力的进步是不可小觑的，这为自动扫描数学文献中那些未被充分研究的长尾问题带来了良好的前景。」

这正是AI目前的核心价值：它不是一个无中生有的「创作者」，而是一个拥有超强算力的「超级图书管理员」。

陶哲轩引发的思考

有人可能会问：这跟我们普通人有什么关系？我又不做数学题。但在陶哲轩这篇内容的评论区里，有一个网友留言：

以前，想要发现「黎曼猜想」和「物理学」之间的联系，你需要是顶级高校数学博士，需要读遍过去50年的顶级期刊，外加极好的运气。但现在，因为AI能够处理那些「被扰乱的信息」，能够扫描那些「长尾知识」，就有发现「金矿」的机会。

还有网友评论道：「AI到底是在推理，还是在产生幻觉？」有人回答得一针见血：「它在逼近理性，但方式非常低效且容易产生幻觉，因为它没有基于逻辑推理形式。」

陶哲轩通过这次事件其实暗示我们：AI负责在「垃圾堆」里找线索，人类负责验证这些线索是否正确。他的这次「打假」行动，表面看是AI的尴尬，实则是AI的军功章。

他让我们看清了AI现阶段最强大的能力——知识考古。正如陶哲轩所预测的：这种趋势在短期内会持续。AI将继续在没有专家监督的情况下，横扫那些名义上的「开放问题」。

参考资料：

https://mathstodon.xyz/@tao/115788262274999408