强制智能（7分钟阅读）

# 蛮力智能 来源：https://benn.substack.com/p/brute-intelligence 陶哲轩是一位数学家。他20岁时从普林斯顿大学获得博士学位；24岁时成为加州大学洛杉矶分校的正教授；31岁时获得了菲尔兹奖，该奖被广泛认为是数学界的诺贝尔奖。"如今，许多人认为陶哲轩是他这一代最杰出的数学家，"《纽约时报杂志》的一篇人物特写这样评价道。 上周末，在Anthropic担任研究员的数学家莱文特·阿尔珀格使用了Anthropic最强大的大语言模型Fable，找到了一个著名数学猜想——雅可比猜想的反例。陶哲轩在自己的博客上评论了这一发现，称该例子"看起来像是一个巨大的奇迹"，并且"极不可能通过暴力搜索找到"。随后，他尝试对该提议进行了一些推广，并用ChatGPT来"讨论这个问题的各个方面，并确认了几项计算结果"。 德米特里·雷宾是一位数学家和初创公司创始人。他在多项数学竞赛中表现出色，从各方面来看，都是一位相当有能力的数学家——尽管可能不是他这一代中最杰出的。两天前，他用ChatGPT推翻了另一个数学猜想。 陶哲轩和雷宾都发布了他们与ChatGPT的对话记录，你读完这两份记录可能会有几种反应： 1. 什么？ 2. 好吧，这很有趣，但真有那么令人惊讶吗？AI是一个强大的工具；把它交给有能力的使用者，他们当然可以用它来推动各自领域的前沿发展。 3. 但实际情况并非如此？虽然陶哲轩与ChatGPT的对话冗长且令人头晕目眩地密集，但雷宾的对话……却不然。它以一个指令开始——"你应该做出突破"——并且总共只包含三条后续消息。全部内容如下： > 请继续研究，找到一个完整的无条件反例 > 继续搜索。要有一个清晰策略，该策略来自对问题结构的更深理解。 > 部分结果已经够了。让我们用一个完整的无条件反例来收尾。 当然，这需要一个业余数学家知道原始猜想的存在，也需要一个训练有素的数学家来评估ChatGPT试图推翻它的努力。但雷宾对话的其余部分，一个五岁小孩不停追问"为什么"就能做到。ChatGPT不需要被引导；不需要被推动；不需要一位菲尔兹奖得主给它建议。它根本不需要被操作。它只需要被告知：让它变得更好。 所以——也许现在有些东西就是这样运作的？数学、软件开发、药物研发，可能还有金融领域的几个方向——也许那些围绕可验证答案问题工作的领域，都容易受到这种"循环"的影响。给一个长期运行的AI智能体一个谜题；它会构想出几十个或几百个有根据的假设；进行测试；学习；调整；然后"继续搜索"。这是一种新的暴力形式：不是暴力*搜索*（你给一百万个猴子一百万个打字机，让它们打出世界上每一种可能的字符组合），而是蛮力智能，类似于让一百万名科学家在一百万个实验室里工作，都朝着同一个目标发起冲击： > "这并没有让我更新对AI能做什么和不能做什么的看法，"教授兼数学家安德鲁·布隆伯格告诉Mashable。"这正是我期望AI能够做到的事情。如果存在一个反例，它简洁且易于陈述，但人们因为搜索所有这些东西太麻烦而没能找到，那么AI就会找到它。" 没错，一台计算机可以在一个周末解决一个存在了三十年的数学难题，因为它是一个数学问题：它可以快速浏览三十年的猜想，进行测试，并继续下去。它不一定比今天的数学家更聪明，但它更快——而且如果它足够*快*，那么这和更聪明之间还有什么区别呢？ 但同时，如果一台计算机因为一个问题是数学问题就能在一个周末解决一个存在三十年的数学难题，那么我们是否应该……把更多的问题变成数学问题？ 我们已经多次讨论过这个想法。与其试图让LLM像人类一样处理数据，我们是否应该重组数据，使其更适合LLM？我们是否应该改变编写代码的方式，使其针对机器进行优化？公司是否应该围绕这种新型的工业化智能进行自我调整？"我们目前的LLM是不错的汽车，但我们几乎没有为它们设计的道路，"我曾经在这里说过；"AI智能体的最终发展将取决于我们修建这些道路的能力。"杠杆作用不仅来自你使用的重量，也来自你把支点放在哪里。改变问题，使其对AI来说更容易解决。 而这，似乎就是问题需要被改变成的样子：一个数学问题，或者任何可以被推理、计算、测试，然后再推理的东西。换句话说，现在有两种方法可以做一件事：直接去做，或者把它变成一种形状像数学的东西，然后让计算机完成剩下的工作。 许多发现需要人们身在世界之中，去戳弄某种金属或者凝视外太空。许多决策需要与人交谈，思考生命的意义以及你对这项运动有多热爱。许多工作需要主观性和品*位*。但无论什么不需要这些——无论什么可以被建模成一种通过在一个封闭的盒子里思考、工作和测试所有可能就能得到答案的东西——似乎很快就会被移交给这种蛮力智能，并在某人的电脑后台得到解决。