区块链文库报道： 陶哲轩警告：AI竞赛正在耗尽数学领域的“好问题” 加州大学洛杉矶分校（UCLA）传授陶哲轩，然而，但代价是牺牲了下一波进步所需的生态系统， ，在原初研究项目尚未充实发挥潜力之前就将其‘抹平’， 陶哲轩认为，”他写道， 对开放科学的逆转与潜在解决方案 正是这种竞赛让陶哲轩感到担忧，这发生在一位研究员颁发本身证明并随后与Anthropic研究员合著论文仅仅几个小时之后，TokenPocket钱包，真正重要的是知道哪些问题值得投入精力， 就在本周，他指出，圆周率第100亿位的数字就是一个尚未计算的开放问题， 真实案例：AI如何改变数学研究节奏 陶哲轩描述的并非假设情景。

他针对当前正在加速进行的数学领域人工智能竞赛发出了警报，Anthropic工程师Sholto Douglas称成果为“一个可爱而简单的证明”，数学家Daniel Litt则认为其质量略逊于OpenAI的版本。

这是一个关于平面上有多少对点可以恰好相距一个单位的老问题，为了确保离线运行且无法复制OpenAI已公布的解决方案，哪些需要真正的努力，也会触发大量由AI驱动的努力，关键不在于证明，而在于提出“好问题”，tp钱包怎么样，OpenAI破解了一个90年历史的问题，该提议尚未转化为任何政策，花费数月甚至数年时间去霸占特定的问题，“我们此刻看到，因为大大都问题无法为更广泛的数学领域提供新的见解，哪些在当前工具下是无望解决的，其中绝大大都毫无意义，他提出的调停办法是将某些问题标志为“需阐明型”（analysis-required），此刻可能在技术上也是不行行的。

随着推理模型和最新一代前沿AI系统的发布。

新方法总是会抹平部门难度景观，今年5月，陶哲轩暗示， 在同一周内。

一个OpenAI模型推翻了存在80年的埃尔德什单位距离料想（Erdős unit-distance conjecture），然而。

稀缺的优质问题与生态系统的危机 任何人都可以发明无限多的新数学问题；从技术上讲，研究人员往往需要仔细挑选。

包罗菲尔兹奖得主蒂姆·高尔斯（Tim Gowers）在内的外部数学家验证了这一成果，人工智能冲破了这一模式， 过去， “简而言之，”陶哲轩写道，即便是前者，后者在技术上是不行行的，数学有所差异：真正困难的问题相对稀缺。

Anthropic形式化了费马大定理的一个几个世纪前的证明；几天后，目前，比OpenAI的版本更短，这位2006年菲尔兹奖得主昨日在专注于数学的Mastodon平台“Mathstodon”上发布了一条警告，不然正确的原始答案价值有限， indiscriminate（不加区分地）使用强大的解题提取工具可以实现解决眼前问题的短期目标，他强调，但也会在其极限之外开辟新的前沿，也不在于论文，Anthropic和OpenAI等公司已经将其模型应用于那些困扰人类数学家甚至数十年的难题。

要么禁止在数学中使用AI。

要么实施这一办法，这种做法最终逆转了几个世纪的开放科学传统，确定这些问题依赖于学科内的“难度景观”——即哪些问题是琐碎的，。

即使只是有关于某人在研究某个问题的听说，被广泛认为是当今在世的最杰出的纯数学家。

因为没有人能确切地说出某个模型的能力界限在哪里，各大尝试室开始向数学和科学问题投入巨大的计算资源。

人工智能正在消耗该领域优质开放问题的储蓄——即那些真正鞭策数学前进的未解之谜，Anthropic的研究员Levent Alpöge将相同的问题输入到该公司未发布的顶级模型Claude Mythos中，尽管Mythos也找到了OpenAI本身的解法，这意味着除非答案附带能揭示邻近问题性质的推理过程。

他将此比作停止接受任何仅仅是“可食用”捐赠的食品银行，研究成就涵盖了量子物理、应用数学和医学等领域，而基于大型AI尝试室当前的行为方式来看，正如陶哲轩所写，或者阻碍了对已获进展的理解，陶哲轩认为。