杰弗里·辛顿是深度学习领域的重要奠基者,因神经网络相关研究获得诺贝尔物理学奖,也被业界视为人工智能领域的标志性人物。他提出,当前人工智能在数学上的表现已经强于绝大多数人类数学家;综合多位数学专家的判断,未来十年内,人工智能很可能催生出一套人类难以理解的全新数学分支。
辛顿长期关注人工智能的能力边界,并多次就通用人工智能可能带来的风险发出提醒。在他的设想中,人工智能不再只是帮助人类计算和验证数学猜想的工具,而是能够自行寻找数学规律、推导新的定理,甚至形成一套不再依附于人类认知方式的逻辑体系。
这一判断绕不开人工智能的不可解释问题。眼下一些顶尖大模型已经能够独立处理高难度纯数学问题,并给出正确结果,但其推导路径往往难以被人类完整还原。若人工智能自行构建新的数学体系,这套逻辑可能超出人类大脑的处理范围。人类或许可以检验结论是否正确,却难以理解它为何成立,类似低等生物无法领会质数原理。
数学领域近年来已出现不少与人工智能有关的进展。一些长期悬而未决、被视为菲尔兹奖级别难题的研究,借助人工智能获得了重要推进,人工智能辅助数学研究正从设想进入现实。
围绕辛顿的判断,学界看法并不一致。部分学者认为,人工智能会大幅拓宽数学研究的边界;也有数学家提出,数学的核心定义和公理体系由人类建立,人工智能取得的成果仍建立在人类数学基础之上,因此很难产生完全脱离人类理解的分支。
争论背后是一个更深层的问题:当人工智能产出的知识超出人类理解能力,人类应当如何校验这些结论,又该如何决定是否采信?











