知乎:人工智能最终会代替数学家或理论物理学家吗?

2018 年 4 月 27 日 数盟

Google的AlphaGo击败三届欧洲围棋冠军,人工智能在回合制游戏中有相当大的突破,那么在遥远的未来,AI最终能否先于人类数学家给出例如黎曼猜想之类问题的证明?能否构建出自洽且有预言力的终极物理理论或促进数学发展的理论(比如弦论)?

Yuhang Liu

数学、高等数学、几何学 话题的优秀回答者

先说点题外话:题主提到黎曼猜想,黎曼猜想实际上有个等价表述是说,如果黎曼猜想成立,那么某个具体的整系数多项式不存在整数零点——我这里不想把具体的表达式写出来,但应该不难搜到。

因此,如果黎曼猜想是错的,那表明这个多项式一定有整数零点;那么要验证他有零点,都不需要什么人工智能,只需要任何一门编程语言和任何一个懂循环语句的人,穷举法死算就行了。

但困难的地方在于黎曼猜想很可能是对的,也就是说这个整系数多项式真的没有整数零点。要证明一个东西不存在可就难多了。而且数学定理机器证明的范式,我印象中也不是机器学习这一套,而是搞自动推理那帮人做的;我不知道这个领域有没有真正用机器证明过非初等的、人类不知道的数学命题。

然后回到本来的问题:人工智能能否取代数学家?现阶段基于深度学习神经网络这一套的AI,我认为是不行的,因为他本质上还是“人类给任务-训练机器-机器给出任务的较优方案”这种模式。而真正做数学或者理论物理研究,有句话叫做“提出问题比解决问题更重要”——机器能否自己提出问题,自己提出新的想法,乃至于自己开创新的研究领域?至少目前还是不太现实的。而且就更实际的层面来说,把现代数学的整套语言整个框架形式化的成本就已经非常非常高了啊,我都不觉得是一定能做到的事情。。我觉得要实现这种目标,起码得让做机器学习的人和做自动推理的人,以及数学家,共同协作才有可能吧。

至于遥远或者不那么遥远的未来,基于全新模式的AI能否取代数学家,也许是可能的吧。不过真到了那一天,我坚信AI自己也能自主设计出下一代AI来;真有了自主学习和自主研发的能力,我并不觉得设计AI比研究数学所需要的智力和创造力更高。

--------------------------------

知乎用户

ENTROPIE

只要AI不能代替学界耆宿去申报国家科研项目,就不可能代替。

哪怕是AI进步到一切理性思维都全面超越人类的地步,只要上面句子的情况不变,那么AI也只能当“副部长”(某些政府中,正部长负责把关政治,以及要经费;副部长开始才真正接触专门业务),或者说成为科学家的助手——那么本质是,和我们现在用计算器、matlab、mathematica是没有多少区别的,无非是当前的matlab可以自动跑有限元,将来的ai_matlab可以自动跑黎曼猜想罢了。

其实现在,很多功成名就的科研大佬,平时也就是拉项目、定方向、把控领域趋势,具体理性思维(计算、实验、写论文、和编辑撕)都是研究生或者博士后在做。

但显然不会有人问:临时工会最终代替科学家吗?

至于,如果AI都可以代替学界大佬直接参与国家科研预算的决策——那么这条世界线上,想必政府顶级决策职能都大批量AI化了,到那时,科研是否AI化相比之下反而是小事了。

--------------------------------

知乎用户
理论高能物理@Berkeley,旅游及电影爱好者

嗯我自己来说下吧:个人觉得最终人类的创造力会被在人类社会中产生的非纯人类实体所超越,但说不定未来人类社会的发展方向是人机合体(精神或物理的)?如果这是避免人类被AI完全替代,或者两者产生synergy的一个选择。

--------------------------------

戏言玩家

戏言而已

比起物理数学家,程序员更可能被代替,真的。

--------------------------------

武丁明

互联网从业者,业余数学爱好者

既然题主是从AlphaGo的新闻里提出这个问题的,我们首先看看下围棋这件事在数学上的难度是什么?
       媒体铺天盖地的宣传围棋局面的数量比宇宙里的沙粒都多,大约是10^170种局面。在数学上,我们把这个数量称作“有限”。有限集合嘛,你懂的,10^170个元素和10个元素也没什么本质区别。围棋的结果只有三种:胜、负、和。在10^170种棋局中,所有胜的局面是一样的,所有负的局面是一样的,所有和的局面是一样的,一个胜的局面不可能同时是一个负的局面,我们把这种性质称作“等价”。我们还知道,对于一个棋手来说,负<和<胜,我们管这个叫“偏序关系”。好了,有了这些基本分析,下围棋这件事的难度在数学上基本上等价于从一个包含三个元素{“胜”、“负”、“和”}的集合中取出最好的那一个,也就是从{1,2,3}里取出最大的那一个。而且,这里说的可不是AlphaGo哦,这里说的可是“围棋之神”哦,以现在的人类选手和AlphaGo的实力,恐怕和这位“围棋之神”下任意多盘都赢不了一盘。
好了,现在想象有个刚刚学数数的小孩子,只学会了数1,2,3,你会认为他有一天可以证明黎曼猜想么?

下面说说人工智能。
       目前来看,人工智能都是图灵机上的一段程序,没有例外。然而,图灵机上有个著名的不可能问题“图灵停机问题”。也就是说,我们已知人工智能的上限,不论人工智能再怎么复杂,再怎么神乎其神,总有那么一两个问题是人工智能永远无法解答的。然而人类的上限呢?最起码,我们已知的人工智能永远无法解答的问题都是人类找到的。从目前的情况来看,以人工智能发展水平之低,还完全没到跟人类比拼极限智慧的地步。

再说说数学定理和物理理论。
      题主的问题“人工智能是否会先于人类证明著名的数学命题”是检查人工智能是否真的有能力超越人类智能的一个非常好的标准(当然,这里说的人工智能肯定不会是基于图灵机的已知上限的智能),我个人认为这个标准比图灵测试不知好到哪里去了。这是因为:数学是基于符号的形式科学,仅仅依赖公认正确的公理定义和推理方式,如果有一天人工智能能够先于人类证明某个数学命题,只要这个证明是正确的,那么其正确性就是任何一个人类不得不承认的。在这方面,人类和机器很公平,人类不能以先发优势否定机器的证明。然而物理理论不太一样,物理的终极目标是解释这个世界。但是“解释”这个词很坑,物理理论必须以人类可以理解的方式陈述,如果有一天人工智能发展出一套人类不可理解的物理理论,很可能会被人类以“无法理解”的理由否定。

--------------------------------

知乎用户

数学话题的优秀回答者

我觉得是会的。 但是那时候人工智能应该可以代替所有人。 而且感觉时间不会太久。 人类社会感觉没什么前途了, 乐观估计最多还能蹦跶几百年吧。只是希望有生之年人工智能不要实现。
--------------------------------
      看了下
@孙昊宇的回答。我觉得人机合体也不一定是好事。 有权有势的人才有能有更多的资源,但是到目前为止这些资源都是外在的。 人机合体意味着钱能买到智力,体力这些基本素质。那么到时候人直接素质的差距就和现在的贫富差距一样大。 那将会到真正的赢者通吃的时代。根据二八定律, 贫富差距是指数的。 这时候最富有的人,也是各个方面最强的人,而且这个优势还会积累。 估计很快就比其他人聪明一亿倍。 这时候估计他不会把其他人当人看。而且我觉得这个人是马云的可能性最多千分之一, 是知乎人的人的可能性几乎为0.

--------------------------------

知乎用户

机器学习/算法工程师;在知乎慢慢不答题了,取关随意,点赞+想法+回私信

不可能,你去百度一个东西,计算几何;了解一下你就知道了。

做AI的都在说什么机器学习;但其实最早的AI就是类似计算几何那样的逻辑推断,做的可以说是一塌糊涂。我深信这种智力鄙视链顶端的东西至少几百年内只有人类才做的了。当然大胆猜测,替代伪化生的实验操作应该是挺快的。

人工智能早期还有一样东西,专家系统。搜索引擎的反面。当然这个研究几乎已经被抛弃掉了。我记得川大化学学院的一个讲座我过去听过,大肆吹嘘他们的一个基于分析化学的专家系统;我现在知道了那根本就是斯坦福70年代在开发的技术(当时最早,斯坦福用Lisp写过一个分析光谱的软件。Lisp你可以认为是python的前身。python就深受Lisp编程语言的影响);而且类似专家系统这种思路已经落后几十万年了其实。

--------------------------------

知乎用户

治履修平

想太多了。图灵机是基于有限状态模型的,不可能产生智慧。

--------------------------------

何忆安

桃李春风一杯酒,江湖夜雨十年灯

数学不清楚,物理里面大多数是胡猜瞎蒙的玄学,没戏。


文章整理自:知乎

链接:

https://www.zhihu.com/question/39911621?sort=created

著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

媒体合作请联系:

邮箱:contact@dataunion.org





登录查看更多
1

相关内容

数学是关于数量、结构、变化等主题的探索。
【哈佛大学】机器学习的黑盒解释性,52页ppt
专知会员服务
168+阅读 · 2020年5月27日
【纽约大学】最新《离散数学》笔记,451页pdf
专知会员服务
128+阅读 · 2020年5月26日
元学习与图神经网络逻辑推导,55页ppt
专知会员服务
128+阅读 · 2020年4月25日
中科大-人工智能方向专业课程2020《脑与认知科学导论》
【2020新书】简明机器学习导论,电子书与500页PPT
专知会员服务
200+阅读 · 2020年2月7日
2019,转行人工智能?美国哈佛博士后有话说!
大数据技术
3+阅读 · 2019年2月25日
CCCF译文 | 机器学习如何影响本科生计算机课程
中国计算机学会
6+阅读 · 2019年2月18日
从零推导支持向量机 (SVM)
AI科技评论
9+阅读 · 2019年2月7日
吴军:数学,为人生之题解出漂亮的答案
算法与数学之美
7+阅读 · 2018年4月8日
CCCF专栏:黄铁军| 也谈强人工智能
中国计算机学会
5+阅读 · 2018年2月15日
CCCF:周志华 | 关于强人工智能
AI科技评论
4+阅读 · 2018年1月17日
人工智能,机器学习和深度学习之间的差异是什么?
大数据技术
6+阅读 · 2017年11月22日
Arxiv
14+阅读 · 2020年1月27日
Learning to Weight for Text Classification
Arxiv
8+阅读 · 2019年3月28日
Polarity Loss for Zero-shot Object Detection
Arxiv
3+阅读 · 2018年11月22日
Arxiv
5+阅读 · 2018年10月23日
Arxiv
12+阅读 · 2018年1月12日
VIP会员
相关资讯
2019,转行人工智能?美国哈佛博士后有话说!
大数据技术
3+阅读 · 2019年2月25日
CCCF译文 | 机器学习如何影响本科生计算机课程
中国计算机学会
6+阅读 · 2019年2月18日
从零推导支持向量机 (SVM)
AI科技评论
9+阅读 · 2019年2月7日
吴军:数学,为人生之题解出漂亮的答案
算法与数学之美
7+阅读 · 2018年4月8日
CCCF专栏:黄铁军| 也谈强人工智能
中国计算机学会
5+阅读 · 2018年2月15日
CCCF:周志华 | 关于强人工智能
AI科技评论
4+阅读 · 2018年1月17日
人工智能,机器学习和深度学习之间的差异是什么?
大数据技术
6+阅读 · 2017年11月22日
Top
微信扫码咨询专知VIP会员