2024 年国际数学奥林匹亚竞赛（IMO），Google DeepMind 的 AI 系统 AlphaProof 和  AlphaGeometry 2 以惊人数学推理能力夺得银牌，震撼全球科技和学术界。机器不仅能解决世界最困难数学问题，还能在竞争激烈的国际舞台与人类数学天才一较高下！

AI能否发明新演算法和解决开放性问题？

这次AI系统在国际数学奥林匹克竞赛中取得相当於银牌的成绩，确实代表了AI在数学推理能力上的一个重大突破。然而，要说AI已经具备足够的能力来帮助数学家发现新演算法和解决开放性问题，可能还为时尚早。我们需要更全面地看待这个成就，并思考它对未来AI辅助数学研究的启示。

我们不能忽视这次AI系统的表现确实令人印象深刻。它不仅解决了4道题目中的3道，还完美解决了被认为是最难的一道题目。这显示了AI在处理复杂数学问题时的潜力。特别是AlphaGeometry 2系统在几何问题上的表现，19秒内就解决了一道复杂的几何题，这种速度和准确性是令人惊叹的。这表明AI在某些特定领域的数学推理能力已经达到了相当高的水准。

然而，我们也要注意到这次AI系统的表现仍然存在一些限制。首先，AI系统需要人工将问题翻译成形式化的数学语言，这一步骤在实际的数学研究中可能会成为一个瓶颈。这表示AI在应用上还有很大的提升空间。其次，AI系统仍然无法解决两道组合数学问题，这暗示AI在某些数学领域的推理能力仍然有所不足。

AI解决数学问题时，是否会遇到瓶颈？

数学问题往往需要新颖的思考和创新的解决方案，这些能力被认为是人类独有的优势。然而，AlphaProof和AlphaGeometry 2在IMO上的表现证明AI系统也可以在这些方面取得重大突破。然而，这并不意味着AI完全没有瓶颈。AI系统目前依赖於大量的数据和强化学习演算法来优化其性能，但在面对全新类型的问题时，仍然可能会遇到挑战。

AI系统是否能突破这些创造力瓶颈，取决於其学习能力和适应性。AlphaProof和AlphaGeometry 2利用其强化学习和神经符号混合系统（neuro-symbolic hybrid system），不断提高其问题解决能力。这意味着，随着技术的不断进步，AI系统可以持续学习和适应，突破创造力瓶颈。

然而，这一过程中，AI 系统需要的不仅是数据量的增加，更需要改进其学习方法和演算法。尤其当面对完全未知或高度抽象的问题时，现有的AI系统可能会显得捉襟见肘。这就需要研究者不断探索新的机器学习技术和方法，以提升AI的创造力和适应性。比如，结合更多的领域知识、开发更具弹性的学习架构，或探索人机协作的方式，都是可能的方向。

我们距离实现通用人工智慧（AGI）又近了一步？

AlphaProof和AlphaGeometry 2的成功，代表着AI技术向AGI迈进的一个重要里程碑。这些系统展示了AI在高层次推理和决策方面的潜力，这是通往AGI不可或缺的一部分。例如，AlphaProof能够自我学习并生成复杂的数学证明步骤，而AlphaGeometry 2则能快速解决复杂的几何问题，这些能力显示出AI在特定领域内接近人类的智慧水准。

AGI需要整合各种领域的知识和能力，而不仅仅是擅长於数学或任何单一领域。实现这一目标需要的不仅是技术的进步，还需要在AI学习方法、认知架构和人机互动方面都取得重大突破。目前的AI系统，距离真正的AGI还有一段距离。然而，这些进展无疑为实现AGI奠定坚实的基础，并激励研究者们继续探索和寻求突破。

• AI achieves silver-medal standard solving International Mathematical Olympiad problems
• Google’s AI solved four out of six problems in one of the world’s hardest maths competitions, equivalent to a silver medal standard ‘in a certain sense’

（首图来源：pixabay）