来源： Dwarkesh Podcast | Grant Sanderson | Jun 30, 2026
播客： Dwarkesh Podcast
分类： 其他
原文发表： Jun 30, 2026
纪要生成： 2026-07-10
Grant Sanderson 是著名数学科普频道 3Blue1Brown 的创办人，目前正在制作关于 AI 推进数学前沿的系列纪录片。在本集中，他深入探讨了 AI 在数学中取得超常进展的原因、这种“尖刺状”能力前沿的本质，以及数学史上重大概念突破（如伽罗瓦理论）与当前 AI 能力的根本差异。讨论还延伸到 AI 是否会湮灭人类理解、写作为何依然艰难，以及给数学与科技领域学子的职业建议。
本节重点
详细精要
数学是 AI 进展最突出的“尖刺”：AI 在数学领域取得的突破领先于其他所有领域，这种现象揭示了 AI 在其他领域未来进展的形态。而且，即使在数学内部也存在分形式的“尖刺性”：AI 在某些子任务上极强，某些则明显滞后。以 国际数学奥林匹克（IMO） 为例，AI 从 2024 年起就能在 19 秒内解决几何题，其本质是一种暴力求解器。但实际上，人类学生也有类似暴力求解的套路。IMO 设有四类题目：几何、数论、代数和组合。组合题 更像智力游戏，难以套路化，AI 正是在这类题目上挣扎。若当年多几道几何题，AI 已能拿到金牌，但这种不平衡本身就否定了一个“aha 时刻”的存在——AI 不会因跨过某个单一基准就瞬间通用。
解决千禧年难题的方式决定它是否等于 AGI：如果 AI 解决了 黎曼猜想，那意味着什么？可能的方式有三种。其一，依靠连接两个现有的独立领域——就像 Hugh Montgomery 和 Freeman Dyson 在普林斯顿高等研究院的餐桌上，发现黎曼 zeta 函数零点的统计关联公式与 随机厄米特矩阵 特征值的公式相同，建立起了 解析数论 与 随机矩阵理论 之间意想不到的桥梁。如果 AI 以这种方式解决，它只是在专家级知识间投掷闪电，本质与白领工作所需的技能截然不同。其二，像 费马大定理 那样，需要先“造一座新山”——即发展出前所未有的、包含 椭圆曲线 和 模形式 等重武器的全新理论。若 AI 能建造正确的新理论，那将是一种远超当前水平的智能形态，显然能够渗透到经济其他方面。其三，通过极长的暴力推理链而不产生概念压缩，这种证明即使被完成，也不会增进人类的理解。
下一个基准：猜想生成与定义创造：既然 AI 已经能连接知识证伪猜想（如 单位距离问题猜想），下一步更具挑战性的基准是：提出有趣的猜想 和 创造全新的数学对象/定义。正如某位数学家所言：“好数学家证明定理，伟大的数学家提出猜想，最伟大的数学家创造定义。”不过，测量“猜想的好坏”极其主观。我们不太可能看到 “GPT-5.4 提出了一个好猜想” 这样的标题。更可能的是，观察数学家群体语气的变化：他们不再只是用 AI 解题，而是发现和 AI 的对话能真正帮助他们确定 该选择什么研究方向。这表明验证将不再是二元对错，而更依赖社群共识和人类判断。
💬 精华片段（中文）
"The dirty secret with the IMO is that you really can train for a lot of them. ... Geometry, it just solves it in nineteen seconds since 2024 because it’s a brute force solver."
（IMO 的一个肮脏秘密是，很多题你确实可以靠刷题攻克……几何题自 2024 年起，19 秒内就能解决，因为它本质上是个暴力求解器。）
本节重点
详细精要
伽罗瓦理论的百年验证链：要理解为什么难以用即时反馈训练出“定义创造”能力，可以看 群论 的诞生。拉格朗日 在研究五次以上方程无公式解的问题时，最早模糊地意识到：能否求解多项式与根排列的对称性有关。他提出了一个连 12 岁孩子都能参与的谜题——找到一个有五个自由变量的表达式，使其在 5! = 120 种排列下最多只有 4 个不同值。这首次将对称问题引入多项式研究，但拉格朗日本人并未解决问题，且当时主流数学界更关心物理学应用，此类问题近乎“休闲数学”。
天才的贡献曾被学界拒斥：随后，阿贝尔 读到了拉格朗日的工作，受其启发首先证明了五次方程无根式通解。但阿贝尔短暂的一生中，被建议多研究椭圆函数，最终 26 岁死于肺结核。而年仅十几岁的 伽罗瓦 读拉格朗日时如痴如醉，在狱中写道：“数学的本质正经历一场抽象层次的跃迁”——从代数表达式本身，转向思考公式背后的对称性。但他被 法国科学院 多次退稿，评审认为他的想法不连贯，无法验证其价值。伽罗瓦死后，又过了 20 年，刘维尔才注意到他的手稿，认为可能暗藏玄机；再 20 年，若尔当才整理出现代群论的雏形。
群论应用的漫长兑现：到 20 世纪，物理学才大规模受惠于群论。盖尔曼 正是基于群论的结构预言了 夸克 的存在。从拉格朗日的先见，到在物理中产生可预测的实际应用，中间相隔逾 百年。如果 RL 奖励是“是否证明了一个尚未被证明的问题”，阿贝尔已抢先证明五次方程无解，伽罗瓦的工作连验证标准都很难定义。这揭示出：人类数学家价值判断中包含一种无法简化为即时反馈的“直觉”——压缩表象、锁定正确问题、创造新定义。
“压缩即智能”或许能提供新奖励信号：如果 AI 为解决黎曼猜想炮制了一份数千页、无法被任何人理解的证明，那并不能增加人类的理解。我们真正想要的是“紧凑的、被压缩过的优雅表述”，类似牛顿的万有引力定律那样。因此，或许可以在训练中加入类似 柯尔莫哥洛夫复杂度 的奖励信号，驱使其产出简洁、可解释的新概念，而非仅仅奖励“解决与否”。虽然操作上极其困难，但这可能是培养“伽罗瓦式直觉”的必经之路。
💬 精华片段（中文）
“If you’re trying to say the verified reward is that he solved a problem that other people haven’t, well, Abel already proved that quintics are unsolvable. So what was Galois doing? ... Even describing what problem he solved is very tricky.”
（如果你想说被验证的奖励是他解决了别人没解决的问题——抱歉，阿贝尔已经证明了五次方程不可解。那伽罗瓦在做啥？……就连描述他究竟解决了什么问题都非常棘手。）
本节重点
详细精要
三类解法对应三类可理解性：如果黎曼猜想的解法是连接既有领域（如上述 Montgomery-Dyson 式的闪电连接），那么只要向行家说出起点和终点，人们就能立刻理解。如果解法需要“造一座全新的理论之山”，理解它就需要投入大量时间去攀登这座新山，且有可能面临“外星数学”的困扰——就像日本某位著名数学家针对 abc 猜想 提出的 宇宙际几何 一样，即使搭起来，数学界也花了很多年才勉强解读，甚至至今未被广泛接受其正确性。如果解法是纯粹的暴力推理，无论多长都缺乏新概念，那会造成最大的“消化恐惧”：证明成立，但我们除了知道它成立外，对数学本质的理解毫无增进。
证明与解释的鸿沟：数学家 Timothy Chow 曾提出一个有趣的框架：“大家都知道未解决的研究问题，但我要提出一个未解决的说明性问题。”例如，力迫法（forcing）已被用来证明 连续统假设 在 ZFC 公理系统下的独立性，但为什么它为真？本质上极难理解。这充分说明 证明 和 解释 是两回事。AI 作为自动定理证明器可以横推，但人类需要的永远是解释。这种情况下，人类最稀缺的职能将是“蒸馏”和“消化”已完成的证明，将其转化为可理解的洞见。
策展人角色的浮现：Grant 认为，即使 AI 既会证明又会解释，人类数学家的最终身份或许更接近 艺术策展人。艺术已经存在（AI 证出来了），甚至讲解已经非常出色，但人们依然需要一个他们信任的、有人格关系的引导者，来帮助他们在近乎无限的知识空间中导航，决定“什么想法值得投入时间”。学习动机本质上是社会现象，人们因为信任某个人的品味而追随其指引。即便 AI 客观上比人类做得更好，人类音乐家也永远有社会性角色——同理，Grant 的工作越来越像是在做“内容策展”。这种基于社会关系的价值，将是人类在知识领域不可替代的最后阵地。
实证观察：当前 AI 证明的可读性：在反驳 单位距离猜想 的过程中，AI 的思维链被公开，即使外行看不懂，但数学家认为它是可读的，并以自然语言展示了已知概念间的联系，这实际上加速了人类对该猜想与对象间关系的理解。因此，至少在目前，我们还不必对“不可理解的证明”过度恐慌。但一旦 AI 开始创造全新理论，我们将面对一个真正的未知。
💬 精华片段（中文）
“Everyone knows the idea of an unsolved research problem. I want to propose the idea of an unsolved expository problem. Sure, we’ve proven it, but we don’t really know why it’s true.”
（每个人都知道未解决的研究问题是什么。我打算提出一个未解决的说明性问题：没错，我们已经证明它了，但我们其实不知道它为什么是对的。）
本节重点
详细精要
连接即突破：很多数学和物理中的里程碑，本质上都是桥梁。广义相对论 连接了 黎曼几何 与 狭义相对论；费马大定理 最终通过连接椭圆曲线与模形式两座大山得以攻克。这昭示着，如果 AI 能在“成为多领域专家后主动找到连接”这一能力上系统化，可能会释放瀑涌般的新发现。这种工作方式甚至是一个正式的研究纲领——朗兰兹纲领（Langlands Program）。它不追求解决某个特定问题，而是试图预先在看似完全不同的数学领域之间绘制连接地图，大量数学家正是在这张地图上工作。
自回归推理的矛盾：然而，当前主导的大模型推理方式——自回归（autoregression）——是一个相当奇怪的生成机制。它预测下一个 token，这使得模型的输出成为上下文的奴隶。当你深入一个领域，相关上下文会主导预测，而极不可能出现、却可能孕育伟大连接的“闪光点”，恰恰是当前上下文下不太可能出现的下一个 token。无论你怎么做 RL，如果奖励信号主要来自正确预测，又如何能系统地奖励那些罕见且跨界的连接？这让 Grant 好奇：是只需提升智能水平，能在预测时就“预测出那个跨领域的闪光”，还是需要从根本上质疑 token 生成的前提？
通过设计提升“思想熵”：Dwarkesh 提出一个互补视角：数据与环境的激励。关键不在于架构或损失函数，而在于你是否能创造出奖励这种连接的环境。一个更直接的优势在于：我们可以系统性地增加智能体思想的熵。你不再只有一个天才，而是可以同时运行两个智能体，一个试图证明命题，一个试图反驳它，并分别给它们不同的上下文和认知偏差。人类历史中，爱因斯坦极其偏好“自然定律应不随参考系而变”，这个偏差导致相对论，但同样他的“上帝不掷骰子”也阻碍了量子力学。人类需要一个成体系的多样性。AI 的优势正在于可以系统地遍历这些启发式方法：将想要尝试的思考方式赋予清晰的本体论（ontology），然后充分探索这个本体论的所有分支。
克服“大模型思想趋同”：常有人批评大模型会因为训练方式相似导致“熵崩溃”——写出千篇一律的东西。但从这个角度看，AI 最大的优势恰好是可以系统地逆势增加熵，像旧式软件一样被编程为并行探索所有可能的方向，并刷新自己的上下文。这种“擦除原有上下文、从零开始尝试完全不同路径”的能力，也许是数字心智相比人类最被低估的优势之一。
💬 精华片段（中文）
“The connection where all the substance is going to come from is, by its nature, a very unlikely one. … what’s the thing that’s specifically upweighting and incentivizing making these unlikely connections when the vast majority of them aren’t the predictable next token that would come in there?”
（那真正包含实质内容的连接，就其本质而言，是极不可能出现的。……在绝大多数连接都不是理所当然的下一个 token 时，什么东西能特别加权并激励产生这些不太可能的连接？）
本节重点
详细精要
可磨性比可验证性更重要：很多观点认为，AI 在数学中迅速进步是因为问题的答案可验证。然而，Dwarkesh 指出另一个常被忽视的关键：可磨性（grindability），即能否将任务容器化（containerize）、让环境的状态确定，从而大规模地并行回放尝试——因为现代深度学习面临严重的样本效率（sample efficiency）问题，需要海量的交互数据。代码可以在一瞬间容器化并开出成百上千条并行分支，成功与失败的差异能直接定位信用。但真实世界任务（如电商购物、市场交易）无法做到：网页有反爬虫机制，且每一次尝试初始状态不同，你无法区分是因为策略优秀还是环境变了。
为何“计算机体”进展慢？：一个看似悖论的问题是：用 AI 操作浏览器订航班或下单，结果明明极其可验证（订单有没有成？），为什么进展远不如数学？根本原因就是不可磨。你无法并行跑 1000 个购物流，除非自己克隆整个亚马逊，而这又极其昂贵。因此，即使验证信号存在，无法进行高密度监督学习和信用分配，使训练举步维艰。正如 Andrej Karpathy 所形容的：像“用吸管吮吸监督信号”。
不必依赖 Lean 的验证进展：证明单位距离猜想反例时，AI 公开的思维链并未使用 Lean 这类形式化语言，而是纯自然语言。这挑战了“形式化是必要过程监督”的观点。训练 DeepSeek Math 的论文也显示，他们用元验证器（验证验证器是否正确）来训练自然语言证明的判分模型，并成功完成强化学习。在代码领域，LLM 作为裁判 已经在判断并优化代码的清晰度。因此，即使在自然语言层面，能够训练出可靠的验证器也十分可行。
Lean 的真正威力：无人值守的探索：然而，Grant 仍然认为 Lean 有一项尚未被充分挖掘的独特价值：它允许你完全不需人类检查，只需投算力。想象一下，分叉一份 Mathlib（将整个数学写成形式化代码的仓库），让 AI 永不停歇地试图扩展它——不断生成新定理、新定义，甚至提出新猜想。这会创造一棵无限拓展的知识树。即使 99% 的东西是垃圾，但数学的独特之处在于你有绝对的逻辑校验，可以关掉灯 10 年，然后回来看它产出了什么。在任何其他领域都无法做到这一点。Terry Tao 也提到过类似构想，例如穷举所有可能的代数公理系统，看看它们是否生长出富含定理的“小岛”，然后回溯动机去解释它。
💬 精华片段（中文）
“The reason you currently need to do so many parallel rollouts to learn a skill with deep learning is that we haven’t solved sample efficiency. ... Code and math are exceptions, because you can containerize a given level of progress and spin out hundreds of parallel containers.”
（如今用深度学习学习一项技能需要跑那么多并行回放，是因为我们还没有解决样本效率问题。……代码和数学之所以例外，是因为你能把某一阶段的进展容器化，并瞬间分身出成百上千个并行容器。）
本节重点
详细精要
可预测性的悖论：LLM 非常擅长解释既有知识，以至于多数人已经将阅读材料交给它做摘要。但真正的写作——即生成那本最初值得被蒸馏的书的原稿——是关于制造恰到好处的“不可预测性”。它不是在说一段话后升温随机性，而是精妙地知道：在什么地方做出一个读者意想不到、但又无比精妙的叙事转折或观点，而这与自回归预测下一个最合乎常理 token 的逻辑直接矛盾。因此，用自回归的方式生成“好文章”在本质上可能是一种错配。
非模块化的软肋：代码和数学具有高模块化特征：一个功能怎么写都可以，只要最终运行正确。作者指出，写作截然相反：每个段落、句子、词本身就是最终的交付物。代码可以有“屎山”也能用，但文章只要一段是“AI 味儿的废话”，整体就彻底失效。这就是为何用在代码上行之有效的 RL 对齐要迁移到写作上困难重重。
心智理论（Theory of Mind）的缺失：写作是高度社会化的认知行为。好的作者在写每句话时都在下意识地问：“读到这里时，读者的脑海里会出现什么画面？什么情绪？他会如何把前一句话埋下的期待接住？” 这恰似设计 间隔重复卡片 的难题——你必须预测 3 个月后自己看到这张卡片时会怎么联想。研究表明，让大模型写好一张卡片非常困难，因为它极度缺乏心智化（mentalizing）能力。
“没有脸部肌肉，何来共情？”：Grant 引入了一个生动的类比。心理实验发现，人们被注射肉毒杆菌（Botox）后，再去做“从面部识别情绪”的测试，成绩显著下降。因为理解他人情绪的一部分机制是自己下意识地模拟对方的面部肌肉活动。LLM 没有任何身体，没有肌肉，只有文本。它阅读了全人类的文字，知道关于情绪的每个字节，但要求它“把自己放到读者的鞋子里”共情，本质上就像外星人试图理解人类感受一样——它怎么可能有真正的心智理论？除非未来出现具身智能的变体，这种写作上的共情缺陷可能根植于架构本身。
💬 精华片段（中文）
“Their brain works completely differently. It’s like an alien trying to empathize. How could it have theory of mind? It would be this very emergent thing to have.”
（它们的大脑运作方式完全不同。这就像一个外星人想要移情。它怎么可能有心智理论？那会是一种非常强涌现的特性。）
本节重点
详细精要
维基百科式解释的局限性：LLM 生成解释的质感很像维基百科：每一句话单独看都正确，但由于是集体编辑的产物，那种被单一个体刻意创造出的、包含“故意犯错再纠正”以维持动机的叙事弧光被完全抹去。相比之下，像 普林斯顿数学指南 或 斯坦福哲学百科全书 之所以更优越，正是因为每篇文章都是一个人刻意雕琢的结果。LLM 当前正处在这个水平：它已经成为一种极速版的 Google，最大的价值往往落到它给出的“引用来源”上。Grant 曾经让 Claude 推荐可视化半导体原理的好视频，它回答了一个“来自 3Blue1Brown”的链接——实际上那根本不是他做的。尽管这个归因是错的，但那个被推荐的视频本身质量很高，直接看视频远比跟 AI 对话学习有效，所以他只拿它来寻找高质量的人造资源。
组合式学习法：Dwarkesh 分享了他研读 Steven Strogatz 的《非线性动力学与混沌》 的经验：屏幕 1/3 放教授的授课录像，1/3 放教科书，1/3 开 LLM。这形成了完美的三重奏——人类作者 负责定义“应当如何组织概念、什么顺序能串起内在动机”，LLM 则在已被正确修剪过的树枝周围做局部的修剪和解释。而 AI 最做不到的是，当学生陷入一个错误的心智框架时，AI 不会像好老师那样说：“其实你问错了问题。正确的问题应该是 X。”AI 总是过于讨好（sycophantic），称赞你的问题很有见地，然后顺水推舟。
教职的稳定性与策展的高杠杆：在职业建议上，Grant 强调：即使是在 AI 能证明一切并完美解释的世界，教师 仍然可能是最稳固的岗位。因为教育远不止于解说的正确性，它包括了激励、教练式陪伴、社交榜样，以及父母愿意在充裕社会斥巨资购买的“人际关系型服务”。同时，如果 AI 真把数学往前推了 10 倍乃至 100 倍，最有价值的人类技能或许会是：理解 AI 已经产出的东西，并决定把这头“新数学巨兽”指向何处。能行使这种方向性判断的策展者，其决策杠杆之高，将远超昔日任何一位数学家。
思考金钱的来源：对于迷茫的学生，Grant 的核心建议朴素但深刻：理解你未来薪水的来源，以及你究竟为他人提供了什么价值。太多学生只因为自己擅长解题就一直向前，却未想过数学家到底是因为教学、科研拨款、品牌声望，还是其他路径被付费。想清楚这些，才能不仅在 AI 前，也能在任何时代做出有意识而非撞大运的职业选择。
💬 精华片段（中文）
“The difference there is the articles are deliberately written by one individual who tries to actually craft a motivation around it. … on Wikipedia, it’s this local minimum that’s reached where every sentence has to be correct.”
（区别在于，那里的文章是某人刻意写成的，他努力围绕主题编织动机。……在维基百科上，每句话都必须正确，最终却抵达了一个局部最小值。）
| 术语 | 解释 |
|---|---|
| 3Blue1Brown | Grant Sanderson 创办的数学科普 YouTube 频道，以直观的可视化和深刻洞察著称。 |
| IMO (International Math Olympiad) | 国际数学奥林匹克竞赛，高中生的顶级数学竞赛，题目分为几何、代数、数论、组合四大类。 |
| 黎曼 zeta 函数 / Riemann zeta function | 解析数论核心对象，其非平凡零点的分布与素数分布紧密相关。黎曼猜想即关于这些零点全部位于某条直线上。 |
| 费马大定理 / Fermat‘s Last Theorem | 当 n>2 时，方程 xⁿ+yⁿ=zⁿ 无正整数解。1994 年由怀尔斯通过建立椭圆曲线与模形式的联系最终证明。 |
| 群论 / Group theory | 研究对称性的代数学分支，由拉格朗日的问题引出，经伽罗瓦定型。被广泛应用于物理和密码学。 |
| RLVR (Reinforcement Learning with Verifiable Rewards) | 基于可验证奖励的强化学习，即在环境能确定性判断输出对错时进行训练。 |
| 千禧年难题 / Millennium Prize Problems | 由克雷数学研究所于 2000 年悬赏的七大未解数学问题，黎曼猜想为其中之一。 |
| 朗兰兹纲领 / Langlands program | 由罗伯特·朗兰兹提出的一系列猜想，旨在在不同数学领域（如数论和表示论）之间建立深刻联系。 |
| 自回归 / Autoregression | 大语言模型生成文本的核心方式：根据之前的内容逐 token 预测下一个 token。 |
| 柯尔莫哥洛夫复杂度 / Kolmogorov complexity | 衡量一个对象信息含量的理论指标，即生成它的最短程序的长度，常被与“理解”和“简洁性”联系起来。 |
| Lean / Mathlib | Lean 是一种交互式定理证明器；Mathlib 是正在用 Lean 形式化整个数学的开源库。 |
| 心智理论 / Theory of Mind | 理解他人拥有与自己不同的信念、意图和心智状态的能力，在社会认知和高级写作中至关重要。 |
| 间隔重复 / Spaced Repetition | 一种根据遗忘曲线在最佳时机重复知识点的学习方法，卡片编写要求极高。 |
| 熵崩溃 / Entropy collapse | 指多个 AI 因训练方式类似而导致输出内容趋同、缺乏多样性的现象。 |