数学界近期发生了一起引人深思的事件：几道著名的Erdos难题被人工智能工具宣称“自主解决”，然而经过查证，这些问题早在多年前就已被人类学者攻克，只是相关成果被埋没在学术文献的角落里。这一现象不仅让数学界感到意外，更引发了对人工智能能力本质的深入探讨。
Erdos难题是由数学奇才保罗·厄尔多斯提出的一系列悬赏问题，解决这些问题被视为数学家的至高荣誉。然而，当人工智能工具“解决”这些问题的消息传出时，数学界很快发现，这些所谓的“新突破”实际上是对旧成果的重复发现。这些问题的解决方案早已存在于冷门论文中，只是由于种种原因未被广泛关注。
这一现象最初被许多人归因于“数据污染”——即人工智能在训练过程中接触到了相关论文的答案，并在被询问时直接“背诵”出来。然而，数学大师陶哲轩提出了不同的看法。他指出，如果仅仅是数据污染，那么所有接触过相关数据的模型都应该能够给出相同答案，但实际情况并非如此。这表明，人工智能的能力可能远不止于此。
陶哲轩提出了一个更具洞察力的解释：人工智能正在利用其强大的算力和模式识别能力，从人类学术文献的“长尾”中挖掘那些被忽视的“低垂果实”。这些“低垂果实”指的是那些使用标准技术、通过简单证明即可解决的问题。由于证明过程相对简单，当年的数学家可能并未将其视为重大突破，因此相关成果被发表在不知名期刊或未被广泛传播。
这一解释完美地解释了为什么人工智能能够“解决”这些问题，而这些问题恰好又已在文献中有了答案。陶哲轩认为，人工智能并非在“偷看答案”，而是其能力刚好达到了能够解决这些问题的水平。这些问题的解决方案虽然存在，但由于未被充分研究或宣传，在著名的Erdos问题数据库中仍被标记为“未解决”。
这一发现对人类知识管理体系提出了挑战。科学文献中充满了大量未被充分研究的“长尾”问题，这些问题的解决方案可能早已存在，但由于信息分散、非结构化，人类难以高效地发现它们。人工智能的出现，为自动扫描这些文献、挖掘潜在价值提供了可能。
陶哲轩乐观地预测，人工智能的这种能力进步将带来深远影响。它不仅能够填补人类知识体系中的漏洞，还能帮助人类发现那些被遗忘在历史尘埃中的珍贵成果。虽然短期内，我们可能会看到更多人工智能“重新发现”旧知识的情况，但这恰恰证明了其在知识管理方面的独特价值。
这一事件也引发了关于人工智能与人类协作模式的讨论。有网友指出，人工智能在处理“被扰乱的信息”和扫描“长尾知识”方面具有天然优势，而人类则擅长验证和深化这些发现。因此，未来的科研模式可能是：人工智能负责在海量文献中寻找线索，人类则负责验证这些线索的正确性并推动进一步研究。
这一事件还引发了关于人工智能推理能力的思考。有网友提问：“AI到底是在推理，还是在产生幻觉？”对此，有回答指出，人工智能正在逼近理性，但其方式低效且容易产生幻觉，因为它缺乏基于逻辑推理的形式化框架。尽管如此，人工智能在知识挖掘方面的能力仍不容小觑。
相关讨论中，一个“信息黑洞”的假设引起了广泛关注。该假设认为，大量解决方案的信息早已存在于旧的神经网络权重或互联网数据中，但由于信息非结构化、分散化，人类难以高效提取。人工智能的出现，为打破这一“信息黑洞”提供了可能。
随着人工智能技术的不断发展，其在学术领域的应用前景愈发广阔。虽然目前人工智能的核心能力仍集中在知识挖掘和整理方面，但其潜力已不容忽视。未来，人工智能与人类的协作将可能催生更多科研突破，推动人类知识体系不断完善。
