0:00 / --:--
a16z Show · 9 月 8 日
OpenAI 数学家 Mark Sellke 和 Mehtaab Sawhney 揭示 AI 推理模型通过消除人类认知偏差、生成短小优雅证明解决数十年数学难题，正在将数学职业从「证明生产」重构为「问题发现与叙事整合」。
两位 OpenAI 数学家详解 AI 如何用「短而优雅」的证明解决尘封数十年的数学难题——从高维球体堆积到 Sofic 群反例，揭示推理模型正在重新定义数学研究的边界与协作方式。
值得快速扫一遍：有时间戳议程与分节详解，可按兴趣跳听。
这集还没有学习卡。生成后会保存在这一集，下次直接打开。
Lex Fridman Podcast· 2026-10-26#503 —— 数学中的 AI 危机：纳维-斯托克斯、黎曼猜想与复杂性理论#503 – AI Crisis in Math: Navier-Stokes, Riemann Hypothesis & Complexity Theory同主题：AI 与数学
a16z Show· 2026-09-01Daniel Litt：数学家的 AI 指南Daniel Litt: The Mathematician's Guide to AI同主题：AI 与数学
All-In Podcast· 2026-10-10Claude 有意识吗？教皇否定、模型福祉运动、OpenAI 的数学争议、法国骚乱a16z Show
OpenAI Researchers on the Future of Mathematical Reasoning
YouTube
音频
OpenAI 在 2024 年夏天通过数学推理模型在国际数学奥林匹克（IMO）上斩获金牌，震惊学界。此后一年，以 Astra 为代表的 AI 系统陆续攻克了 Erdős 开放问题集、高维球体堆积界、Sofic 群猜想等多个专业级数学难题。本期对话两位一线数学家，从实操层面揭示 AI 如何「像专家一样推理」，以及这场变革对数学职业本身的冲击。
💬 他们说了什么：
开场即抛出核心矛盾：人类数学家面对难题会在几周后放弃，而 GPT 被指派任务后会「无条件执行」，由此进入「可达结果的文艺复兴」。Mehtaab 描述模型推理时的盲目坚韧："人类告诉我做这个，那就做"——这种机械服从反而打破了人类理性放弃的边界，让曾被认为"不值得赌一把"的路径被暴力穷尽。
💡 为什么重要：
揭示 AI 数学突破的第一性原理：不是更聪明的直觉，而是消除人类风险厌恶导致的早期剪枝。传统数学家受限于职业生涯时钟（tenure、发表压力），AI 则无视沉没成本，把每一条技术路线推到底。这解释了为何 Astra 能在已有几十年尝试历史的问题上找到出路——前人可能试过正确方向，但在细节泥潭里退出了。
⚡ 争议点：
这种「蛮力坚持」是推理能力还是算力堆叠的伪装?如果模型只是不知疲倦地试错，那它与暴力搜索的本质区别在哪？Mark 后续会强调「它在剪枝搜索树」而非全试，但开场的表述容易被误读为"用算力换智慧"。
💬
Mark 在 2024 年夏天看到 OpenAI 在 IMO 拿下金牌后决定加入："我想看看他们到底做了什么鬼。" Mehtaab 随后在秋季拿到 GPT-5 账号，几周内就被「彻底说服」。两人本是合作者（曾联名发表论文），Lisha 提到她曾是 Mehtaab 导师的学生，整个对话带着学术圈老友叙旧的松弛感。
💡
顶尖数学家转投工业界的「临界点」不是 AI 炒作，而是亲手验证能力边界的震撼。IMO 金牌只是公开 demo，真正让专家折服的是私下把玩模型时发现它能解决自己几个月都没摸清楚的问题（见下节 Erdős 故事）。这批早期转化者既是 AI 数学的布道者，也是质量守门人——他们知道什么叫「真正的难」。
⚡
人才虹吸效应：纯数学研究本就小众、资金短缺，OpenAI 用高薪+算力吸引顶尖人才是否会掏空学术界？反方观点是：AI 降低了做数学的门槛，反而能吸引更多人进场（见第 9 节）。
💬
Mehtaab 讲述他的顿悟瞬间：Erdős 开放问题网站上许多题目标注「未解决」，但因文献检索困难，无法确认是否已有解答。某次他把问题丢给 GPT-5，五分钟后模型找到文献引用——那道题已被解决，而他和几个朋友刚为此浪费了几小时。他随后测试了十多个类似案例，模型全部命中。Mark 评价：「这让我意识到它不只是会搜索，而是真的懂组合数学的语境。」
💡
这不是 Google Scholar 能替代的「检索增强」。GPT-5 的能力在于语义理解问题陈述 → 映射到特定子领域术语 → 定位分散在不同时期论文中的结果。数学文献是出了名的碎片化（符号不统一、引用链断裂），传统搜索引擎靠关键词匹配无能为力。模型相当于拥有了一个「活的数学图书馆员」，这对研究者的时间价值是量级提升。
⚡
这只是训练数据覆盖广的结果吗？如果 Erdős 问题集本身在训练语料里，模型是否只是「背诵」而非「推理」？嘉宾未直接回应，但后续讨论的 Astra 新结果（未在任何文献中出现过）能部分反驳这种质疑。
💬
Mark 总结三大优势：1) 全知性——熟悉所有子领域工具；2) 执行力——一旦有思路，处理 ε < δ 这类技术细节「从不出错」；3) 无污染回溯——人类卡在错误路径后很难「重启大脑」，但 AI 可以轻松开新会话从头试。Mehtaab 补充 unit distance 问题的例子：Erdős 早年提出的构造思路其实可行,但人类会因为中途遇阻而判断「可能不对」,AI 则「做了正确的赌注」,靠数学品味剪枝而非全试。
💡
首次系统阐述 AI 的结构性优势不在「超人灵感」,而在消除认知偏差(厌恶沉没成本)与完美执行(零失误处理细节)。这解释了为何许多 Astra 解决的问题都是「有人试过但没成功」的类型——技术路线正确,但人类在细节泥潭里因疲劳/怀疑而放弃。AI 相当于一个永不疲倦、永远乐观的博士后,把每个合理方向都推到物理极限。
⚡
「数学品味」的本质是什么？Mark 说模型在「剪枝搜索树」,但怎么证明这不是后验合理化（lucky sampling）？推理链公开后,人类能看到回溯痕迹,但无法验证「未公开的死路」有多少——如果模型实际试了 10 万条路径,只是我们只看到成功的那条,那「品味」就是幻觉。
💬
Mehtaab 选这个作为最爱,因为问题陈述极简（d 维空间里单位球最密能塞多紧？）,但除了 d=1/2/8/24 有精确答案,其它维度一无所知。人类已知上界是苏联数学家 1970 年代用「丑陋优化」得出的 2^(-0.599d),下界平凡（2^(-d)）。Astra 做了两件事：1) 通过复分析构造函数 f,证明 Cohn-Elkies 的线性规划方法（LP bound）在高维渐近等于 e^(-0.5983...d);2) 证明LP 方法不可能做得更好,彻底封死这条路。Mark 补充：数值模拟曾猜到这个常数,但完全不知道为何,Astra 给出了「恰好是对的」解释。
💡
这是本期最硬核的数学成果展示。问题有三层深度：①物理直觉（蜜蜂的蜂巢为何是六边形？）→②Hales 用数百页线性规划证明 d=3 的答案→③Viazovska 因 d=8/24 的奇迹解法获菲尔兹奖。Astra 在「无奇迹维度」给出了最优上界,且证明是紧的（equality）——这意味着人类理解了这个方法的极限在哪。Mehtaab 自述曾为此困扰半年,看到解答时的感觉是「天哪为什么之前没人想到」,这是数学家认可「优雅」的最高评价。
⚡
Astra 是否只是暴力试了所有可能的函数构造？复分析工具箱虽大,但「恰好选中这个 f」的概率极低。如果没看到中间推理过程,无法排除「模型试了一百万个构造,我们只看到成功的」。不过 LP bound 的下界证明（不可能更优）需要全局论证,这至少说明模型具备系统性而非纯运气。
💬
Mark 讲解球面码（球面上塞点）与二进制码（超立方体顶点选子集）本质是同一问题的不同几何背景,都在问「如何最大化最小距离以容错」。Astra 用表示论（representation theory）而非复分析改进了这两个问题的界。关键是利用对称性：球面有旋转对称,超立方体有排列对称,之前方法只浅尝辄止,Astra「把代数对称推到极致」。更妙的是,当球面码里的小球半径趋于零,其结果能退化还原出上一节的球体堆积界——两个看似独立的突破其实共享同一套数学机制。
💡
展示 Astra 的「技术多样性」：同一轮发布的 10 个结果用了不同工具（复分析、表示论、组合数学）,打破「模型只会一招」的刻板印象。二进制码与信息论直接相关（纠错码的理论极限）,这是为数不多有工程应用前景的纯数学突破。表示论的深度使用也暗示模型理解抽象代数结构,而非仅靠数值计算。
⚡
这是唯一一个需要「人类交互」的案例：最初 prompt 只要求「exponentially improve」,模型改进后停手；人类追问「能否推得更远」后才继续深挖,最终连通球体堆积问题。这说明模型可能存在「任务导向过头」的局限——完成指令就满足,缺乏自发的好奇心去探索「为什么这里出现了熟悉的常数」。
💬
Mark 用整数群的例子铺垫：整数可被「整数模 n」逼近（无限直线 ≈ 大圆环,局部看起来一样）,这种「有限逼近无限」的性质叫 sofic。数学家一度希望所有（可数）群都 sofic,这样很多只对有限群成立的定理能推广。2024 年有人用量子复杂度理论+450 页证明推翻了更强的 Aldous-Lyons 猜想（关于图的逼近性）,但那个证明「极其暴力」且跨领域到没几个人能读懂。Astra 直接在群论框架内构造了非 sofic 群,证明只有 15 页,只依赖 Kun 和 Thom 的已有结果,纯组合论证即可封杀。
💡
这是「AI 比人类更优雅」的最强案例。人类为了解决问题不惜动用量子计算、信息论等重炮,写出天书级长证明；Astra 找到了一个「应该早被发现」的初等路径。Mehtaab 描述阅读推理链的感觉：「模型在精确排除前人论文中隐含怀疑的组合阴谋论,加一个代数事实就封死漏洞。」这说明模型不仅读懂了文献,还理解了作者「想说但没说透」的部分——这是专家级的文献阅读能力。
⚡
为什么人类错过了这条路？可能因为量子复杂度证明先发表,后来者认为问题已解决就不再投入；也可能组合论证需要的「微妙平衡」超出人类耐心阈值。但这引出元问题：数学界是否低估了「短而难」路径的存在？AI 擅长在高维约束空间里搜索,这可能揭示人类直觉的系统性盲区。
💬
Mark 坦言一年前他预期 AI 会生成「千页天书」让人类无法验证,结果完全相反：Astra 的所有证明都短小精悍。对比 Hales 的 d=3 球体堆积证明（数百页）、Aldous-Lyons 反例（450 页跨学科）,Astra 给出的方案都在 15 页以内,且逻辑主干清晰。Lisha 追问「为什么会这样」,Mehtaab 回答：「模型在优化可验证性——它知道如果证明太复杂,人类审稿人会拒绝,所以倾向于寻找conceptually clean的路径。」
💡
颠覆「AI = 暴力计算」的刻板印象。如果模型只是穷举,最自然的产物应该是计算机辅助证明（如四色定理那样靠枚举海量情形）,但实际输出更接近「人类数学家理想中的优雅解法」。这暗示训练过程中某种压力（可能是人类反馈、可能是验证器偏好）塑造了对简洁性的追求。从实用角度看,短证明意味着更容易被同行检验、推广、教学,这对数学共同体至关重要。
⚡
「短」是因为模型聪明,还是因为它只敢碰「有短证明」的问题？选择偏差可能存在：OpenAI 可能筛掉了模型产出冗长证明的案例,只发布漂亮的。另一可能是,当前推理模型的上下文窗口限制（即使扩展到百万 token）天然惩罚长链推理,所以它被迫优化简洁性——这是能力还是缺陷？
💬
Lisha 问数学界反应如何,Mehtaab 答「多数人已承认 AI 在做非平凡的事」,实用派已开始用模型读论文（「把 arXiv PDF 扔进去,五分钟理解证明策略,比自己啃导言快十倍」）。Mark 强调关键转变：以前「证明难题」是稀缺能力,连带着「理解」「传播」「维护」知识都由证明者包办；现在证明变得不稀缺,阐释与整合成为新瓶颈。他举例：即使有了证明,仍需人类判断「这个结果在整个知识图谱中的位置」「该如何教给学生」「能否启发其他领域」——这些无法自动化。
💡
描绘数学职业的范式转移。类比软件工程：GitHub Copilot 出现后,「写代码」不再是程序员的核心价值,系统设计、代码审查、需求翻译变得更关键。数学也将分化：生产证明（AI 主导）vs 构建叙事（人类主导）。对年轻人意味着:PhD 训练可能不再强调「解题能力」,而转向「品味培养」「问题发现」「跨领域连接」。
⚡
这是乐观还是粉饰？Mark 说「我花几个月没解决的问题,现在能看到答案,很开心」——但这对那些本该通过解决这些问题获得教职的博士生呢？AI 降低门槛可能吸引新人,也可能让中等水平研究者彻底失去生存空间（马太效应加剧）。另一隐忧：如果所有人都依赖 AI 理解论文,会不会失去「深度钻研」的能力？
💬
Lisha 追问「难度天花板在哪」,Mark 回答：「即使 AI 指数级进步,P vs NP 这种问题可能永远解决不了——但大多数实用数学（优化、偏微分方程、统计）不在天花板附近。」他畅想未来：工程师遇到数学问题不再需要「找世界专家」,直接问模型就能调用前沿工具。Mehtaab 补充：「如果应用数学快 10 倍,对世界是好事。」嘉宾共识是,纯数学可能退守「大谜题」（Riemann 猜想、Hodge 猜想）,而应用领域将迎来寒武纪爆发。
💡
定调 AI 数学的战略方向：不是替代顶尖天才攻克千禧年难题,而是让中等难度的专业数学民主化。类比：AlphaFold 没解决蛋白质折叠的物理本质,但让生物学家不再为结构预测头疼。数学 AI 同理——优化算法、数值分析、图论应用这些「够用就行」的领域,有望从「需要 PhD」降级到「本科生+AI 即可」,释放大量科研生产力。理论物理、经济学、气候模拟等依赖数学的学科将直接受益。
⚡
过于乐观？历史上多次出现「自动定理证明即将革命数学」的预言（1960 年代的逻辑程序、2000 年代的 SAT solver）,都未兑现。Mark 承认「P vs NP 可能永远解决不了」,但如何确定其它问题不会同样遇到不可逾越的障碍？另一问题：如果应用数学真快 10 倍,学术界的激励机制（论文、引用、优先权）是否跟得上？可能出现「AI 产出爆炸,但无人读/用」的困境。
"人类会放弃,GPT 只管做——这就是可达结果的文艺复兴。"
—— Mehtaab Sawhney,解释 AI 突破的心理学机制
"读模型的推理链就像读同事的邮件草稿,只是更乱一点。"
—— Mark Sellke,论 AI 推理的「人性化」
"一年前我以为 AI 会生成千页天书,结果它比人类还优雅。"
—— Mark Sellke,谈证明简洁性
"蜜蜂用六边形蜂巢,如果有更优方案,进化早就找到了——这是我对球体堆积最好的直觉。"
—— Mehtaab Sawhney（半开玩笑）
"证明曾经如此稀缺,以至于理解、传播、维护都由证明者包办;现在这些才是瓶颈。"
—— Mark Sellke,论数学职业的范式转移
"如果应用数学快 10 倍,对世界是好事。"
—— Mehtaab Sawhney,定调 AI 数学的战略价值
数学训练语料的「不可教学性」悖论
数学论文与教材极少记录「试错过程」,只保留最终优雅形式。这导致人类学习者难以习得「数学直觉」,也让人困惑 AI 如何从如此贫瘠的数据中学会推理。对话暗示答案：推理能力是跨领域涌现的（通用推理训练+数学知识结合）,而非从数学语料本身蒸馏。
LP bound 的历史地位
Cohn-Elkies 线性规划方法是 21 世纪球体堆积研究的分水岭。Viazovska 在 d=8/24 的奇迹解依赖特殊函数（模形式）,不可推广；LP 方法则是通用框架。Astra 证明其高维极限,相当于宣告「这条路到头了」,未来突破需要全新思路——这对领域战略布局意义重大。
Sofic 群与遍历理论的深层联系
对话提到的「surjunctive」性质源于动力系统理论,与 cellular automata（元胞自动机）的 Garden of Eden 定理相关。Sofic 性本质是「局部-全局」关系的代数版本：能否用有限观察重构无限结构？这在统计物理、网络科学中有应用——AI 的突破可能外溢到这些领域。
表示论作为「对称性放大器」
Mark 说 Astra「把对称性推到极致」不是修辞。表示论的核心是将抽象群作用具体化为矩阵,利用线性代数工具。AI 可能擅长此类「结构转译」：把几何问题代数化,把组合问题连续化——这是人类需要多年训练才能熟练的技巧。
「任务导向」的双刃剑
球面码案例揭示模型的局限：完成指令就停手,不会主动探索「为什么这里出现了熟悉的常数」。这与人类数学家的「play around」习惯相反。可能解法：在 prompt 中植入「好奇心指令」,或训练 reward model 奖励「发现意外联系」。
从 IMO 到 Erdős：难度跃迁的本质
IMO 金牌题虽难,但有标准解题框架（不等式技巧、数论基本定理）；Erdős 问题则需要「发明新框架」。Astra 的进步在于跨越这道鸿沟——这可能标志着从「模式匹配」到「概念组合」的质变。
选择偏差问题
OpenAI 是否只公布了「好看」的结果,隐藏了大量失败案例或丑陋证明？需要独立基准测试（如 IMO Grand Challenge 的公开排行榜）验证。
推理链的完整性
公开的「summarized chain of thought」经过人类编辑,可能剪掉了大量无效尝试。如果模型实际试了百万条路径,「数学品味」就是幻觉。需要 raw log 或统计数据（尝试次数分布）澄清。
训练数据污染风险
Erdős 问题集、Cohn-Elkies 论文可能在训练语料中。如何证明模型不是「背诵」？一个弱证据：Sofic 群的反例用了 2022 年后的 Kun-Thom 结果,如果训练截止更早,则至少该案例是真推理。
可复现性黑箱
对话未提及其他团队能否用类似 prompt 复现结果。如果高度依赖 OpenAI 内部调优（RLHF、特定 system message）,则成果的普适性存疑。
数学共同体的验证能力
15 页的 Sofic 群证明「相对简短」,但仍需专家数月验证。如果 AI 产出速度 >> 人类验证速度,会形成「未经审查的结果堆积」,可能埋雷（如 2010 年代的多篇撤稿丑闻）。
给数学研究者：
给学生：
给应用领域研究者：
给数学教育者：
播客：a16z Podcast - "OpenAI Researchers on the Future of Mathematical Reasoning"
发布日期：2026-09-08
收听地址
YouTube 视频：Inside OpenAI's Breakthroughs in Mathematical Reasoning
观看地址
转写来源：YouTube 自动字幕（已人工校对关键术语）
相关论文与资源：
免责声明：本文为播客内容的中文解读,数学细节可能存在理解偏差,关键结论请以 OpenAI 官方发布与同行评审论文为准。对话中的 Astra 结果截至 2026 年 9 月,后续进展可能更新观点。
