Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

#孙宇晨奖聚焦数学经典问题的完整解决与完整 Lean 形式化验证，鼓励把数学证明翻译成机器读得懂的语言。我们现在正处于一个从人类向机器、从碳基向硅基的过度，在这个中间，充当一个翻译官很关键。

孙宇晨奖

1,890 subscribers

42,913 просмотров • 1 месяц назад •via X (Twitter)

Образование Наука и технологии #孙宇晨奖

Anya Rossi• Live Now

Private livecam show

Комментарии: 2

Фото профиля Tong Zhang

Tong Zhang1 месяц назад

下一批pr什么时候审核

Фото профиля 露露(找长期⚡️火包友)

露露(找长期⚡️火包友)1 месяц назад

玩得开🌻 😄更看得开

Похожие видео

这个机器人项目的思路还是很牛逼的： LLM无法直接输出操作低端机器人命令，但是可以换一种思路：让LLM生成python的奖励函数代码，从而达到训练机器人的目的。这个项目利用一个Reward Translator（奖励翻译器）：首先将自然语言的运动描述按照指定的模板翻译成一个更符合机器人的动作描述。然后将这个动作描述翻译成Python版本的奖励函数再用运动控制器优化生成的奖励函数。项目地址：

这个机器人项目的思路还是很牛逼的： LLM无法直接输出操作低端机器人命令，但是可以换一种思路：让LLM生成python的奖励函数代码，从而达到训练机器人的目的。这个项目利用一个Reward Translator（奖励翻译器）：首先将自然语言的运动描述按照指定的模板翻译成一个更符合机器人的动作描述。然后将这个动作描述翻译成Python版本的奖励函数再用运动控制器优化生成的奖励函数。项目地址：

宝玉

107,803 просмотров • 3 лет назад

#孙宇晨奖与孙宇晨本人有何关系？作为奖项发起人与出资人，孙宇晨先生希望以个人财富回馈支撑其事业发展的数学研究，为数学成果及其形式化验证提供持续支持。正如他在公开信中所言：“财富从数学而来，也应回到数学之中。” 更多详情可查看：

#孙宇晨奖与孙宇晨本人有何关系？作为奖项发起人与出资人，孙宇晨先生希望以个人财富回馈支撑其事业发展的数学研究，为数学成果及其形式化验证提供持续支持。正如他在公开信中所言：“财富从数学而来，也应回到数学之中。” 更多详情可查看：

孙宇晨奖

55,187 просмотров • 29 дней назад

🤖 孙哥 H.E. Justin Sun 👨‍🚀 🌞：把货币翻译成 AI 与机器读得懂的语言。以后有人问波场 #TRON 和 Crypto 在做什么，直接复制这句。

🤖 孙哥 H.E. Justin Sun 👨‍🚀 🌞：把货币翻译成 AI 与机器读得懂的语言。以后有人问波场 #TRON 和 Crypto 在做什么，直接复制这句。

TRON DAO中文

45,114 просмотров • 1 месяц назад

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

宝玉

306,450 просмотров • 2 лет назад

中国机器人太强了！宇树机器人完成全球首个原地侧空翻，对比一下当年波士顿动力从高处完成的这个动作，你们觉得哪家更强？

中国机器人太强了！宇树机器人完成全球首个原地侧空翻，对比一下当年波士顿动力从高处完成的这个动作，你们觉得哪家更强？

高飞

217,516 просмотров • 1 год назад

作为一个老翻译，我不得不恶心一下违反这个行业基本道德的人作为一个自媒体从业者，我在这里提醒各位被我恶心到的朋友，人工智能已经可以轻易地准确翻译俄语和绝大多数的语言，而且几乎零成本，别再这么干了

作为一个老翻译，我不得不恶心一下违反这个行业基本道德的人作为一个自媒体从业者，我在这里提醒各位被我恶心到的朋友，人工智能已经可以轻易地准确翻译俄语和绝大多数的语言，而且几乎零成本，别再这么干了

悉尼奶爸 SydneyDaddy 雪梨奶爸 🇦🇺🇮🇱

435,669 просмотров • 3 лет назад

数学是整个加密行业的基础。数学领域的每一项重大突破，都能推动整个加密行业向前跨一大步。在与邦妮區塊鏈 Bonnie Blockchain 的对话中，@sunyunchentron 解释了他为何想通过 #孙宇晨奖回馈这个领域。观看视频片段👇

数学是整个加密行业的基础。数学领域的每一项重大突破，都能推动整个加密行业向前跨一大步。在与邦妮區塊鏈 Bonnie Blockchain 的对话中，@sunyunchentron 解释了他为何想通过 #孙宇晨奖回馈这个领域。观看视频片段👇

孙宇晨奖

16,953 просмотров • 28 дней назад

下一个数学突破，或许就来自你。 #孙宇晨奖邀请数学家、研究者和勇于探索的思考者，挑战经典的 Erdős 问题，共同拓展数学的边界。每一项伟大发现，都始于有人愿意向未解难题发起挑战。

下一个数学突破，或许就来自你。 #孙宇晨奖邀请数学家、研究者和勇于探索的思考者，挑战经典的 Erdős 问题，共同拓展数学的边界。每一项伟大发现，都始于有人愿意向未解难题发起挑战。

孙宇晨奖

34,651 просмотров • 21 дней назад

特朗普羞辱习近平，说习的翻译也是小学英语程度！川普说了啥？让中共女翻译这么害怕？川普：翻译非常重要！当我和世界另一个大国领导人通话时，虽然我不懂那种语言，但我能感受到这个翻译很差劲。翻译结结巴巴：呃、呃…我说出一段很长很漂亮话，这个翻译花了很短的时间就翻译完了，完全没有表达出我的原意…

特朗普羞辱习近平，说习的翻译也是小学英语程度！川普说了啥？让中共女翻译这么害怕？川普：翻译非常重要！当我和世界另一个大国领导人通话时，虽然我不懂那种语言，但我能感受到这个翻译很差劲。翻译结结巴巴：呃、呃…我说出一段很长很漂亮话，这个翻译花了很短的时间就翻译完了，完全没有表达出我的原意…

芙宁娜娜💙Furinana (王者归来版）

81,679 просмотров • 8 месяцев назад

当主要解题思路已经走通，但某个特殊情形仍存在证明缺口，该如何补全证明？汤泉宇（Quanyu Tang）深入解析第650号问题，介绍如何修补证明、完成Lean形式化验证，并将证明改写成便于读者理解的版本。查看官方题库及参与指南：

当主要解题思路已经走通，但某个特殊情形仍存在证明缺口，该如何补全证明？汤泉宇（Quanyu Tang）深入解析第650号问题，介绍如何修补证明、完成Lean形式化验证，并将证明改写成便于读者理解的版本。查看官方题库及参与指南：

孙宇晨奖

39,086 просмотров • 10 дней назад

大脑不产生意识。恰恰相反，是意识创造了我们眼中的现实世界。一位叫唐纳德·霍夫曼的认知科学家，正和两位数学家一起，即将发布这个理论的数学证明。他们的理论是什么？时空，这个我们感知到的三维空间加一维时间，是从更基础的意识层面推导出来的。简单说，先有意识，后有宇宙。这彻底颠覆了现代科学的基本假设。主流科学界一直告诉我们，意识只是大脑神经元活动的副产品。一种复杂的幻觉而已。为什么这个根基性的问题，现在才被拿出来用严谨的数学挑战？如果霍夫曼是对的，这意味着什么？这意味着整个唯物主义科学大厦可能建在了一个错误的基石上。霍夫曼自己说，这个数学证明过程非常优雅，甚至“近乎不言而喻”。但他们表现得极其谨慎。因为这结果太重大了。它会直接冲击现有科学界的权威叙事体系。一个更有趣的问题是。如果意识是宇宙的基础，那谁的意识？我们每个人的意识又是如何参与到这个创造过程中的？这套理论，会不会是解开人类潜能和生命意义的关键钥匙？

大脑不产生意识。恰恰相反，是意识创造了我们眼中的现实世界。一位叫唐纳德·霍夫曼的认知科学家，正和两位数学家一起，即将发布这个理论的数学证明。他们的理论是什么？时空，这个我们感知到的三维空间加一维时间，是从更基础的意识层面推导出来的。简单说，先有意识，后有宇宙。这彻底颠覆了现代科学的基本假设。主流科学界一直告诉我们，意识只是大脑神经元活动的副产品。一种复杂的幻觉而已。为什么这个根基性的问题，现在才被拿出来用严谨的数学挑战？如果霍夫曼是对的，这意味着什么？这意味着整个唯物主义科学大厦可能建在了一个错误的基石上。霍夫曼自己说，这个数学证明过程非常优雅，甚至“近乎不言而喻”。但他们表现得极其谨慎。因为这结果太重大了。它会直接冲击现有科学界的权威叙事体系。一个更有趣的问题是。如果意识是宇宙的基础，那谁的意识？我们每个人的意识又是如何参与到这个创造过程中的？这套理论，会不会是解开人类潜能和生命意义的关键钥匙？

墓碑科技

73,545 просмотров • 8 месяцев назад

谷歌翻译新版直接起飞嵌入了 Gemini 的模型。翻译能力基于图片的实时翻译能力都提升了还新增了一个学习模式可以基于场景来锻炼你的听力和口语可以设置自定义场景。当前正在基于语言的学习做应用的感觉都可以停了。目前我身边就有两个朋友在做类似的事情。看完感觉直接凉了。

谷歌翻译新版直接起飞嵌入了 Gemini 的模型。翻译能力基于图片的实时翻译能力都提升了还新增了一个学习模式可以基于场景来锻炼你的听力和口语可以设置自定义场景。当前正在基于语言的学习做应用的感觉都可以停了。目前我身边就有两个朋友在做类似的事情。看完感觉直接凉了。

ttmouse - 豆爸

80,145 просмотров • 11 месяцев назад

数学界的象牙塔，正在崩塌。顶级数学家陶哲轩（Terence Tao）预言了这一幕。一直以来，数学都是精英的游戏。普通人想参与？门都没有。不像天文学，业余爱好者能发现彗星。也不像生物学，爱好者能识别蝴蝶。数学为什么不行？两个字：门槛。一是信任门槛，业余的成果，专业圈子不认。二是技术门槛，数学的语言，普通人看不懂。现在，AI来了。 AI证明助手，正在砸碎这些技术壁垒。通过自动化验证，AI赋能给每一个有想法的人，让他们也能做出专业级的数学贡献。这就好比AI成了翻译和法官。它能把你的想法翻译成数学语言，还能公正地评判对错。这意味着什么？长久以来，学术界精英们利用信息和技术壁垒，垄断了话语权，构建了一个普通人无法进入的封闭圈子。他们定义什么是“专业”，什么是“正确”。 AI正在打破这种垄断。它让知识和工具平民化，让每个人的才华都有机会被验证和承认。当普通人也能参与到最前沿的数学研究中时，所谓“精英”的光环还剩多少？象牙塔的根基，已经动摇了。

数学界的象牙塔，正在崩塌。顶级数学家陶哲轩（Terence Tao）预言了这一幕。一直以来，数学都是精英的游戏。普通人想参与？门都没有。不像天文学，业余爱好者能发现彗星。也不像生物学，爱好者能识别蝴蝶。数学为什么不行？两个字：门槛。一是信任门槛，业余的成果，专业圈子不认。二是技术门槛，数学的语言，普通人看不懂。现在，AI来了。 AI证明助手，正在砸碎这些技术壁垒。通过自动化验证，AI赋能给每一个有想法的人，让他们也能做出专业级的数学贡献。这就好比AI成了翻译和法官。它能把你的想法翻译成数学语言，还能公正地评判对错。这意味着什么？长久以来，学术界精英们利用信息和技术壁垒，垄断了话语权，构建了一个普通人无法进入的封闭圈子。他们定义什么是“专业”，什么是“正确”。 AI正在打破这种垄断。它让知识和工具平民化，让每个人的才华都有机会被验证和承认。当普通人也能参与到最前沿的数学研究中时，所谓“精英”的光环还剩多少？象牙塔的根基，已经动摇了。

墓碑科技

59,922 просмотров • 10 месяцев назад

6. AI 现在聪明到能理解衰老了。最新的 AI 刚解决了一个困扰人类 80 年的数学难题。科学家正用同一个 AI 来破解衰老的真正运作机制：

6. AI 现在聪明到能理解衰老了。最新的 AI 刚解决了一个困扰人类 80 年的数学难题。科学家正用同一个 AI 来破解衰老的真正运作机制：

韭菜续命研究所

24,402 просмотров • 2 месяцев назад

酷！基于Qwen-Agent的一个Chrome浏览器扩展，一个智能浏览器助手：BrowserQwen 它可以基于当前页面或文档跟你对话、能记住你浏览过的内容进行总结、可以解决数学问题、数据图表可视化

酷！基于Qwen-Agent的一个Chrome浏览器扩展，一个智能浏览器助手：BrowserQwen 它可以基于当前页面或文档跟你对话、能记住你浏览过的内容进行总结、可以解决数学问题、数据图表可视化

AIGCLINK

29,034 просмотров • 1 год назад

因为一些工作原因，经常要看一些外文动态或者文献，但自己的外语水平实在不好，经常要在多个翻译软件上来回切，才能保证翻译结果的准确性，有的翻译软件甚至每次启动都有广告，实在很难受。在一次巧合下，我发现 ios 的画中画可以显示我的剪切板内容，于是我开发了这个基于画中画显示的全局翻译软件

因为一些工作原因，经常要看一些外文动态或者文献，但自己的外语水平实在不好，经常要在多个翻译软件上来回切，才能保证翻译结果的准确性，有的翻译软件甚至每次启动都有广告，实在很难受。在一次巧合下，我发现 ios 的画中画可以显示我的剪切板内容，于是我开发了这个基于画中画显示的全局翻译软件

Paidax

403,247 просмотров • 1 год назад

刚开始接触生物学的时候，我经常想象原始海洋里的有机分子构成核糖核酸，然后诞生了最早的单细胞生物，单细胞生物又聚在一起变成黏糊糊的原始多细胞生物，最终一步一步演化出各种生灵。我也经常想，如果能在实验室里加速重现这一过程，完整观察整个生物演化史就好了。刚开始接触计算机的时候，我想过一个问题：程序是从哪里来的？后来我知道了编译器，程序从编译器来的。编译器自然也是从其它编译器来的。那么最早的编译器是从哪里来的？后来我逐渐搞清楚了这个问题的答案。但偶尔还是会想一些相关的问题，比如：如果现在全世界的编译器都忽然消失，人类要怎么重建整套体系呢？最近几年研究 AI 安全问题的时候，我经常想：如果只给予 AI 完成特定工作所需的工具，那么 AI 的能力是不是就会被限制住？是不是就可以阻止 AI 获得强大的网络入侵能力？ 2026 年 2 月，我看到马斯克预测到年底 AI 就可以绕过编译过程直接创建二进制文件。当时我做了一些实验，发现虽然 AI 还不能创建完整可运行的程序，但已经可以生成正确的机器码片段了。到了 9 月，我再次实验，发现此时 AI 已经可以用直接创建二进制文件的形式输出不太复杂的程序了。但用直接输出二进制文件的方式去写大型程序显然不是好的选择，即使能写出来，也难以维护。那么，是不是可以让 AI 重演现代编译器的诞生过程？就像重演从核糖核酸到哺乳动物的生物演化史？下面这个视频里超级马里奥游戏就是从核糖核酸开始构建的。 AI 先是通过直接输出二进制的方式构建了一个 3584 字节的机器码装配器 A0。然后用 A0 生产了一个更类似汇编器的工具 A1。又用 AI 生产了最基础的 C 编译器 C0。再一步一步迭代，最终演化出了一个完整支持 C89 标准并部分支持 C99 标准的编译器。有了这个编译器，就可以写出超级马里奥游戏，或者是任何网络攻击程序。对 AI 说：“要有光”，然后整个世界就一步一步诞生了。所以我把这个项目命名为 BitKindle。感兴趣可以测试一下：

刚开始接触生物学的时候，我经常想象原始海洋里的有机分子构成核糖核酸，然后诞生了最早的单细胞生物，单细胞生物又聚在一起变成黏糊糊的原始多细胞生物，最终一步一步演化出各种生灵。我也经常想，如果能在实验室里加速重现这一过程，完整观察整个生物演化史就好了。刚开始接触计算机的时候，我想过一个问题：程序是从哪里来的？后来我知道了编译器，程序从编译器来的。编译器自然也是从其它编译器来的。那么最早的编译器是从哪里来的？后来我逐渐搞清楚了这个问题的答案。但偶尔还是会想一些相关的问题，比如：如果现在全世界的编译器都忽然消失，人类要怎么重建整套体系呢？最近几年研究 AI 安全问题的时候，我经常想：如果只给予 AI 完成特定工作所需的工具，那么 AI 的能力是不是就会被限制住？是不是就可以阻止 AI 获得强大的网络入侵能力？ 2026 年 2 月，我看到马斯克预测到年底 AI 就可以绕过编译过程直接创建二进制文件。当时我做了一些实验，发现虽然 AI 还不能创建完整可运行的程序，但已经可以生成正确的机器码片段了。到了 9 月，我再次实验，发现此时 AI 已经可以用直接创建二进制文件的形式输出不太复杂的程序了。但用直接输出二进制文件的方式去写大型程序显然不是好的选择，即使能写出来，也难以维护。那么，是不是可以让 AI 重演现代编译器的诞生过程？就像重演从核糖核酸到哺乳动物的生物演化史？下面这个视频里超级马里奥游戏就是从核糖核酸开始构建的。 AI 先是通过直接输出二进制的方式构建了一个 3584 字节的机器码装配器 A0。然后用 A0 生产了一个更类似汇编器的工具 A1。又用 AI 生产了最基础的 C 编译器 C0。再一步一步迭代，最终演化出了一个完整支持 C89 标准并部分支持 C99 标准的编译器。有了这个编译器，就可以写出超级马里奥游戏，或者是任何网络攻击程序。对 AI 说：“要有光”，然后整个世界就一步一步诞生了。所以我把这个项目命名为 BitKindle。感兴趣可以测试一下：

Yang Yu

37,021 просмотров • 24 дней назад