#712.陶哲轩:AI 擅长广度,人类守住深度

#712.陶哲轩:AI 擅长广度,人类守住深度

77分钟 ·
播放数332
·
评论数1

📝 本期播客简介

本期我们克隆了:Big Think · One of the world's greatest mathematicians explains 6 essential concepts of math | Terence Tao

原内容更新时间:2026-08-28

本期来自 Big Think,也就是 Big Think 知识播客,嘉宾是陶哲轩,主持人围绕他的著作《Six Math Essentials》,从数、代数、几何、概率、分析和动力系统六个基础概念出发,解释数学如何从直觉经验发展成描述世界的精确语言。

陶哲轩进一步回顾了数学与科学相互作用的历史:欧几里得的平行公设如何引出非欧几何,黎曼几何如何成为爱因斯坦场方程的语言,球体堆积如何连接到无线通信,以及压缩感知如何帮助提升 MRI 成像效率。数学并不只是解决眼前问题的工具,许多由好奇心驱动的抽象研究,往往会在几十年后成为技术突破的基础。

访谈后半段转向 AI 对数学与科学的影响。陶哲轩认为,AI 可以大规模生成、验证和组合解法,也能在广度上发现人类专家遗漏的可能性;但科学不仅是更快得到答案,还包括理解过程、筛选问题、解释洞见,以及把成果消化成可传承的知识。速度提升并不等于科学本身进步,人类仍需要保留慢思考、合作和失败的空间。

👤 本期嘉宾

陶哲轩是加利福尼亚大学洛杉矶分校的数学教授、菲尔兹奖得主,长期从事数学研究,并参与过压缩感知等跨学科应用。他正在出版新书《Six Math Essentials》,试图用数、代数、几何、概率、分析和动力系统六个核心概念,勾勒数学从日常直觉到前沿理论的发展路径。

他既能解释数学如何支撑大语言模型、无线通信和医学成像,也亲身经历过数学研究中反复试错、寻找工具和逐步理解问题的过程。对于“天才数学家靠灵光一现解决难题”的想象,他给出了截然不同的描述:真正的解题往往来自长期探索所有行不通的路径。

⏱️ 时间戳

00:51 数:精确思考的起点

05:52 代数与抽象结构

10:59 几何延伸感官边界

12:50 概率与无穷的陷阱

22:11 动力系统与混沌

29:34 数学如何驱动科学

49:45 AI重塑数学与科学

🌟 精彩内容

💡 数学首先是一种精确的语言

数学的价值不只在于计算,而在于把数量、关系和复杂过程准确地传递给别人。数、代数和更高层次的结构,让人类能够脱离具体情境,清晰描述那些单靠诗意或直觉难以表达的现象。

"我们发展出来的数学,只是一种精确的语言,能极其仔细地去描述它,让你能够非常清晰地思考这些概念。"

💡 概率是面对现实不确定性的方式

现实世界通常无法像课本应用题那样被完整测量和准确预测。概率论不要求我们知道每一次事件的确定结果,而是帮助我们理解不同结果出现的频率,并在金融、医学和复杂系统中做出更可靠的判断。

"只要一个系统太复杂,无法完全从第一性原理去建模,就会存在某种随机性,我们就需要一个概率模型。"

💡 无穷大既有用又危险

数学分析让我们能够处理误差、极限和无穷大。把问题放入一个拥有无限资源的理想世界,有时能帮助我们看清结构;但从无穷世界回到现实世界时,必须重新检查哪些结论仍然成立。

"无穷大其实是一头非常危险的猛兽。"

💡 简单规则也能产生复杂世界

动力系统研究状态如何随时间变化,以及局部规则如何在不断迭代后产生整体涌现。交通拥堵、物种演化和气候变化都说明,单个参与者的行为并不复杂,系统整体却可能出现难以直观预测的结果。

"我们发现,即便非常简单的规则,经过长时间迭代,也能产生极其复杂的涌现行为。"

💡 数学的抽象可能提前预见科学

黎曼几何最初是出于对弯曲空间的好奇而发展出来的,后来却成为爱因斯坦描述引力和时空的关键语言。球体堆积问题也从炮弹和橙子的排列,延伸到高维通信编码,说明纯数学与实际技术之间可能相隔数十年。

"数学家常常发现像复数或弯曲空间之类的概念,仅仅是因为这似乎是他们已经在研究的数学对象的自然延伸。"

💡 真正的解题不是灵光一现

陶哲轩很少经历突然出现的“尤里卡时刻”。他的工作方式是不断尝试、失败、拆解子问题,再从大量不可行路径中逐渐排除选项。答案最终显得自然,往往只是因为此前已经充分摸清了问题的障碍。

"很多时候你其实是在探索问题的负空间,也就是所有行不通的做法。"

💡 AI 擅长广度,人类擅长深度

AI 可以同时尝试大量问题、方法和文献组合,偶尔找到人类共识忽略的解法;但它仍不擅长判断哪些问题真正重要,也难以替代人类对深层结构、研究意义和知识传承的理解。

"它们其实是非常互补的。"

💡 科学不能只追求更快

AI 能加速实验、写代码、分析数据和生成证明,但科学还需要理解过程、发现意外关联、解释结果,并把证明整理成别人能够学习和使用的形式。若只优化单个环节的速度,可能得到更多产出,却没有带来真正的科学进步。

"速度并不代表一切。"

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的

使用 AI 进行翻译,因此可能会有一些地方不通顺

展开Show Notes
独木成林SC
独木成林SC
2小时前
像是听了一堂浓缩随性的数学导论,筛选的故事很有趣,后面的思考也有理有据。