夜雨聆风🤖 AI 摘要 3Blue1Brown 创始人 Grant Sanderson 在 Dwarkesh Podcast 中系统拆解 AI 在数学中的进展结构：分形尖刺揭示能力不均匀，Riemann 猜想的三种可能解法形态分别对应不同经济含义，Galois 理论的百年验证循环挑战了 benchmark 框架，"可碾磨性"比可验证性更关键，数学家角色正从证明者向策展人迁移。
🔑 核心要点 1、数学是 AI 进展风向标 2、IMO 内部存在分形尖刺 3、验证循环可长达百年 4、碾磨性比可验证性更关键
2024 年国际数学奥林匹克（International Mathematical Olympiad, IMO），AI 系统距离金牌仅差一道组合题。
几何题？19 秒暴力求解，自 2024 年起已是常态。数论、代数同样不在话下。但当年试卷有两道组合数学（combinatorics）题——这类"玩味"型题目，AI 表现最差，顶尖人类选手也觉得最难。IMO 四大学科（几何、数论、代数、组合）共六道题，若多出一道几何、少一道组合，金牌归属就会改写。
3Blue1Brown 创始人 Grant Sanderson 正在制作一部关于 AI 数学进展的纪录片系列。他在 Dwarkesh Podcast 的这次对谈中提出一个判断：数学是 AI 在其他领域进展的风向标。 这里发生的尖刺式突破（spiky frontier）与内部不均匀性，正在预演整个知识经济将如何应对机器智能。
尖刺前沿：IMO 揭开的分形结构
AI 在数学上的优势不是均匀的。Dwarkesh 三年前曾问 Sanderson：IMO 金牌是否等同于 AGI？Sanderson 当时的回答已被验证——它只是又一个 benchmark，不会有"顿悟时刻"。但问题本身引出了更深层的结构。
Sanderson 用 fractal spikiness（分形尖刺） 描述这一现象：宏观上数学是 AI 进展最快的领域；微观上，数学内部同样存在剧烈的能力梯度。IMO 是一个可观测的切片。
还有一个公开的秘密：IMO 题目实际上是可以训练的。命题组试图设计"无法训练"的创意题，但 AI 项目的数据表明，大量题目仍可被针对性优化。几何题的暴力求解路径，对人类选手同样存在——只是组合题要求的"跳出上下文"能力，目前仍是 AI 的短板。
Sanderson 在纪录片系列中计划聚焦一道 AI 和人类顶尖选手（包括 Terence Tao）都失败的 IMO 题。这道题有一个看似优雅的解法路径——符合竞赛数学的直觉训练——但最优解其实是一个"无脑"方案。对人类而言，解题需要逃离 IMO 的上下文：不再用竞赛套路，而是像路人面对脑筋急转弯一样思考。对 AI 而言，这对应着能否系统性刷新思维上下文——而非陷入 autoregressive chain-of-thought 的惯性。
这个案例指向一个更 general 的洞察：AI 的瓶颈有时不是知识广度，而是无法从错误的思维上下文中抽身。
Riemann 猜想：三种解法形态，三种经济含义
Millennium Prize 级别的突破会改变判断吗？Sanderson 认为，答案取决于解法的形态——不同形态对 AI 能否渗透白领工作，含义完全不同。
形态一：跨领域连接（Lightning Bolt）
Montgomery 与 Dyson 在普林斯顿高等研究院（Institute for Advanced Study, IAS）午餐时的故事，是这类解法的原型。数论家 Montgomery 研究 Riemann zeta 函数零点的统计相关性，写下一个类似 (1/\sin^2) 的公式。物理学家 Dyson 立刻认出：这个表达式来自随机 Hermite 矩阵特征值的研究——与原子核能级相关。
两个看似无关的领域，因一个公式的相似性产生连接。LLM 同时"精通"量子物理和解析数论，理论上应能发现这种相似性，无需 Montgomery 和 Dyson 碰巧同桌吃饭。
2025 年 6 月，OpenAI 的 index-2 推翻单位距离猜想（unit distance conjecture），是 lightning bolt 的近期实例。Erdős 问题 1196（关于 primitive sets）的 AI 解法同样如此：引入 Markov 链过程，自底向上概率化构造，配合 von Mangoldt 函数——两个领域的工具被一条细线连接。对领域专家而言，思路一旦呈现，即可接手展开。
这类解法人类可读性高。Sanderson 的判断：若 Riemann 猜想以这种方式被解决，其智能特征与白领工作的需求差异较大——白领工作需要的不是"在已有知识库中发现闪电式连接"。
形态二：建造新山（Mountain Building）
Fermat 大定理的证明路径是第二形态。问题表述极简：(x^n + y^n = z^n) 在 (n > 2) 时无整数解。但解法需要两座"山"——椭圆曲线（elliptic curves）和模形式（modular forms）——各自经过几个世纪的积累，然后通过提出正确的问题将两座山连接。
若 Riemann 猜想需要建造全新的理论框架，这种能力远超当前 LLM 的 intelligence 特征。但 Sanderson 指出：若 AI 能建造"正确的"新理论山丘，这种智能水平足以渗透经济各领域——不只是数学本身。这比 IMO 金牌的经济影响大几个数量级。
abc 猜想的 Mochizuki 证明尝试，提供了"外星数学"的预警样本：一套名为 inter-universal geometry 的全新理论框架，数学家花费数年仍难以完全解析。最大风险不是证明错误，而是即使正确，人类也需要巨大精力"登山"——且可能登到一半发现路不通。
形态三：硬算（Raw Hustle）
第三种可能是数万页的证明，没有新理论，只有超长推理链。类比：Fermat 大定理或许存在初等证明，长达万页，但远不如 Wiles 的椭圆曲线路径优雅。
Sanderson 引用 compressed representation（压缩表示） 的概念：人类需要的不是"证明存在"，而是 Kolmogorov 复杂度更低的理解方式。Galois 式的数学创新，奖励函数不应只是"是否解出问题"，还应包含"所需概念的简洁程度"。
三种形态对人类理解的影响不同：lightning bolt 几乎立即可解析；mountain building 需要投入时间攀登新理论；raw hustle 则触发 Timothy Chow 所说的 unsolved expository problem——定理已证，但"不知道为什么为真"。
Galois 的百年验证循环
播客中最具深度的案例分析，来自 Galois 理论的历史——它直接挑战"用解题能力衡量数学创新"的框架。
从 Lagrange 到 Gell-Mann
1770 年代，Lagrange 第一个意识到：对称性（symmetry）是研究多项式根的正确视角。 他提出：若要扩展四次方程的求解策略到五次，需要找到五个变量在全部 (5!) 种置换下仅取四个或更少不同值的表达式——这几乎不可能。Lagrange 没有解出任何问题，但种下了种子：也许应该反过来证明"不可能"。
1824 年，Abel 证明五次方程无根式解——但方法不涉及群论（group theory）。1826 年 Abel 因 tuberculosis 去世，年仅 26 岁。
1832 年，Galois 在监狱中写下关于数学抽象本质的思考：不应只研究公式本身，而应从对称性角度理解公式。他的论文被学术机构五次拒绝。决斗前夜写笔记是浪漫传说——实际上他此前已五次尝试发表。Galois 决斗身亡，年仅 20 岁。
Galois 死后 20 年，Liouville 整理出版他的笔记。又过 20 年，Jordan 形成现代群论体系。直到 20 世纪，Gell-Mann 基于群论预言夸克（quarks）的存在——从 Lagrange 的直觉到物理应用，验证循环超过一个世纪。
无法 benchmark 的创新
这段历史对 AI 训练有直接启示：
Lagrange 提出了"正确的问题"，但没有解出任何问题——无法通过 RLVR 的 verified reward 验证 Galois 的论文被当时的学术机构拒绝——人类 verifier 同样失败 Abel 已证明五次方程不可解——Galois 的增量贡献难以用"是否解出新问题"衡量 群论的实际价值（cryptography、physics）在一百年后才显现
David Bessis 在博文 The Fall of the Theorem Economy 中提出：定理证明是寄生在定义创造之上的。历史上，提出定义的人通常也会提出相关定理，信用分配不是问题。AI 时代，若 Abel 式的直接论证被自动化，人类的工作转向"consolidation"——将已有证明压缩为更高层的洞察。
Sanderson 引用一句分层标准："好的数学家证明定理，伟大的数学家提出猜想，最伟大的数学家发明定义。" Dwarkesh 将此映射为 AI 的下一档 benchmark：猜想生成器、定义生成器——但 Sanderson 认为这类能力无法做成 headline 式的 benchmark。"GPT-5.4 提出了一个很好的猜想"——无法像"推翻了单位距离猜想"那样落地。衡量方式将是数学家社区的主观 tone shift：模型是否帮助研究者决定"该研究什么方向"。
Langlands 纲领：连接比解题更重要
大量数学工作并非"攻克下一道题"。Langlands 纲领（Langlands program）不是数学分支，而是一种研究精神：预先发现连接（preemptively finding connections）。
Fermat 大定理是 Langlands 纲领的一个实例：两个看似无关的领域（椭圆曲线与模形式）之间的连接，导出了最终证明。Langlands 在著名信件中描绘了一幅更大的"地图"——不同数学区域之间存在大量尚未发现的线程。
Sanderson 的判断：未来 5 年 AI 最有用的数学进展形式，是成为超级连接器（supercharged connector）。 填充"若同时精通多个领域，可以画出的连接线"这张 landscape。问题是如何衡量"正确的连接"——这不是能写 PR 标题的东西，需要 human-in-the-loop 判断"我们想要的连接是哪种"。
Dwarkesh 从数据角度补充：progress 可能来自专门为跨领域连接设计的训练环境——数学家设计需要连接两个领域才能解的问题，通过逐步消除假设来递增难度。损失函数可能不如环境设计重要。
数字心智的结构性优势也在这里显现：Montgomery-Dyson 式的对话可以被工程化——多个 agent 代表不同领域专长，系统性尝试"证明"与"证伪"两条路径，故意赋予不同 context 和 heuristic bias。Einstein 的"相对性原理" bias 推动了 relativity，但"God does not play dice" 的 bias 可能阻碍 quantum mechanics——科学需要多个独立研究项目，各自携带不同 heuristic，而非单一正确的启发式。
可碾磨性：比可验证性更被忽视的变量
AI 在数学上进展快，常见解释是可验证性（verifiability）——证明对错可以自动判定。Dwarkesh 提出第二个变量被严重忽视：可碾磨性（grindability）。
数学与编程：可容器化的例外
数学和编程共享一个关键特征：可以容器化（containerize）。
编程环境中，给定一个 repository 状态，可以 spin 出数百个并行容器，让 agent 尝试实现同一 feature。环境确定性保证了 credit assignment——成功与失败 rollout 之间的 diff，就是有效信号。
数学同样如此：确定性环境、可并行试验、明确的 reward signal。DeepSeek Math 展示了自然语言路径：训练一个 verifier，再用 meta-verifier 确保 verifier 的反馈质量——无需 Lean 形式化，自然语言验证 + 元验证也能工作。
计算机使用：可验证但不可碾磨
Computer use 是反例。订 Etsy 包裹、预订活动——高度可验证。但网站有 bot detector，无法在 Amazon 上并行跑一千次 checkout flow（"Andy Jassy 会亲自按下红色 X"）。构建每个网站的 clone labor-intensive，且无法解决 sample efficiency 问题。
Karpathy 的比喻：sucking supervision through a straw——深度学习需要大量并行 rollout，当前 sample efficiency 不足，使得不可碾磨的领域进展缓慢。
现实世界的大多数任务无法 containerize：状态持续变化，无法 replay 和 grind。数学和编程是这条规则的两个例外——这解释了为何 AI 在这两个领域领先，而非"数学特别特殊"。
Lean 的双重角色
Lean 定理证明器的价值被部分高估、部分低估。
DeepMind 第一年 IMO 方案全部用 Lean，第二年全部用自然语言——作为 RL 环境，Lean 并非必需。但 Lean 有独特价值：完全自主地扩展 Mathlib。
Mathlib 是 GitHub 上的形式化数学库——目标是将数学写成可机器验证的 code。Sanderson 设想：fork 出一个"纯 AI Mathlib"，按启动键后无需人类检查，AI 持续扩展这个逻辑树——类似 AlphaGo 在围棋宇宙中自我探索。十年不看，回来收获大量新数学。这是数学独有的能力：press go，pour compute，walk away。
Lean 的第二个价值是信任标记。Alex Kontorovich 指出：若 AI 每天生成十篇数学论文，即使 99% 正确，数学家也无法承担逐篇验证的成本——一篇有错的论文会浪费大量时间。Lean 提供的 green checkmark——"至少知道它是对的"——是其他领域梦寐以求的能力。
Terry Tao 提及的一个研究项目方向：穷举搜索所有可能的代数公理系统——绝大多数坍缩为无意义结果，但偶尔会出现"定理丰富"的公理岛，事后可以赋予动机（如群论公理后来被理解为对称性研究）。
写作瓶颈：Theory of Mind 与模块化差异
AI 擅长数学但写作进展慢——Sanderson 和 Dwarkesh 从多个角度拆解了这一 asymmetry。
模块化 vs 非模块化
数学和编程是模块化的：证明方式与最终结果可以分离，函数的实现方式与功能可以分离。一个写法粗糙的函数，只要输出正确就算过关。
写作不是模块化的：每个句子就是最终产品本身。 段落、措辞、顺序—— substance 即形式，无法分离。
Coding agent 从「能跑」进化到「可合并的 clean PR」，靠的是 process-based supervision——LLM-as-judge 对代码风格打分。数学的自然语言验证走同一条路。写作的质量层级却不同：LLM 能区分 B 级与 A 级 essay，却难以区分 A 级与「你真正想读的东西」——有时反而偏好形式上命中所有评分项、实质缺乏 insight 的 B* 级文本（reward hacking 在写作领域尤其危险）。
Autoregression 与不可预测性
Autoregressive 生成是 weird 的交互方式：想象被锁在盒子里，每次收到一张纸条，预测下一个 token，然后记忆被 wipe——重复无数次后，外面的人说"这是你写的 essay"。写作者知道在正确的时刻做出不可预测的 move，才是 insight 的来源——不是简单调高 temperature。
Theory of Mind：Botox 实验的类比
Grant 引用一项面部情绪识别（facial emotion recognition）实验：受试者先完成 EQ 测试——看一张人脸，从四个选项中选出对应情绪——再注射 Botox，复测后识别准确率显著下降。机制假说是：理解他人表情，部分依赖无意识的面部 mimic——看到焦虑的表情，面部肌肉 subconscious 地复现，从而「认出」情绪。
LLM 没有这套「面部硬件」。它们读过所有人写下的文本，却无法像人类一样把自身投射到读者此刻的思维状态。Theory of mind 对 LLM 是 emergent 而非 intrinsic 的——像外星生物试图共情，只能间接推断，无法调用现成的神经回路。
Andy Matuschak 的 spaced-repetition prompt 实验是具体实例：写好一张 flashcard 需要投射读者三个月后的思维状态——他们会如何 associate 问题？什么 elicitation 能引出想要的 detail？LLM 尝试了 RL、chain-of-thought、大 prompt 等多种方法，仍无法稳定产出优质 flashcard。写作同理：每个词都需要想"读者此刻在想什么"。
Dwarkesh 的观察：LLM 解释已有内容往往优于原文——但这是 distillation，不是 creation。Insight 从哪来？来自作者在世界中探索后，决定什么 interesting、如何组织 narrative。好作者的书，仍值得读原书而非 distillation。
数学家的未来：从证明者到策展人
Sanderson 对角色迁移的判断，在过去一年发生了 shift。
解释工作也会被 AI 接管
Sanderson 曾认为 AI 将成为自动定理证明器，数学家转向解释。现在他怀疑 AI 也会擅长解释——Einstein、Shannon、Feynman 等提出 genuinely novel insight 的人，往往也是 lucid communicator。同一个 brain 产生新想法和 good explanation。若 AI 能提出真正好的新想法，大概率也擅长 distilling。
策展人（Museum Curator）
数学家更可能变成艺术博物馆策展人：AI 创造了"艺术"，甚至知道如何解释。但 Idea 空间近乎无限——需要有人帮助导航"什么值得 engagement"。
Sanderson 自己的工作中，决定"什么值得说"花费的时间，不亚于 visual 制作。观众信任他的 curation——不是因为他们 pre-existing 想理解某个 topic，而是信任他的选择。这与 human musician 在 AI 生成 MP3 时代仍有角色的逻辑相同：social function 不可替代。
教学：post-AGI 最稳定的职业之一
Teaching 的 social function 高度 relational——motivation、coaching、mentorship，远超 explanation 本身。父母在有 abundance 时仍愿为 good teaching 花钱。Sanderson 建议更多数学专业学生认真考虑 math educator 路径。
理解钱的来源
对任何职业，Sanderson 强调一个 pre-AI 就成立的原则：理解钱的来源。 数学家薪酬来自不同渠道——大学 brand value、NSF 公共善信念、bureaucratic grant 流程、直接教学服务。学生常因"一直擅长数学"而选这条路，而非思考"我给谁创造了什么价值"。
AI 产生大量新数学后，能理解和策展这些知识的人将有巨大价值。基础科学经费在 abundance 世界可能增加而非减少——社会仍信任数学家社区判断"时间该花在哪里"。
应用数学 vs 纯数学：经济泄漏的分形
纯数学的 10X 加速是否意味着经济 10X 突破？Sanderson 的判断：高度不均匀，领域间差异巨大。
代数数论（algebraic number theory）的进展，很难直接转化为工程应用。但 PDE（偏微分方程）/ 流体动力学（fluid dynamics）等应用数学不同——Sanderson 提及一个做 dynamics 和 PDE 的数学家的案例：其团队关于 simulation 的洞察帮 Boeing 节省了数十亿美元（避免反复 disassemble/reassemble 飞机测试），Boeing 随后持续资助该团队。
Navier-Stokes 等 Millennium 问题的突破，是否会解锁大规模仿真能力？尚不确定。更现实的路径是边缘领域的 incremental improvement——发动机设计更贴近流体行为、CFD 仿真因纯数学洞察而加速、翼型优化更高效。
若未来 5 年 AI 数学进展只体现为 Erdős 问题清单的削减，却无一触及物理世界——Sanderson 认为那将令人失望。Grant proposal 中"trust us, elliptic curve progress will help cryptography"的承诺，可能被 public scrutiny 照亮：大量纯数学已与 physical applicability 脱节。
2024-2026 的 AI 时间尺度上，数学家社区对 AI 的态度已发生 tone shift。Sanderson 纪录片的采访跨越这一窗口，记录了 mid-2025 到 2026 的变化。
已可观测的 milestone：IMO 几何 19 秒求解、OpenAI index-2 推翻 unit distance conjecture、Erdős 1196 的跨领域 AI 解法、DeepSeek Math 的自然语言 + 元验证器 pipeline。下一档信号不是 headline 式 benchmark，而是数学家说："与某模型的对话，确实帮助我决定了研究方向。"
Dwarkesh 提出的 digital minds 优势清单：parallelization（数量本身就是质量）、knowledge merging、identical copies with same knowledge base。Montgomery-Dyson 对话可以被 farm——不是一个 idiosyncratic genius 在决斗中死去，而是 waterline 系统性应用于所有 reachable problems。同时，context refresh 可能是 AI 相对人类的 underappreciated 优势——deliberately 给不同 agent 不同 bias 和 context，可能是科学发现的关键 engineering lever。
学习建议：Who 比 What 更重要
Sanderson 的学习建议 pre-LLM 就成立，在 AI 时代更加 relevant。
选课时，授课者比课题更重要（who matters more than what）——老师是否是好 educator，比既有兴趣更重要。读书同理：喜欢的作者，读其其他作品，而非同主题换作者。
LLM 解释目前像 Wikipedia——信息获取效率极高，但 exposition 缺乏 individual motivation 的刻意编排。Wikipedia 最有价值的部分常是底部 references。Sanderson 的做法：问 LLM「该读谁」，而非让 LLM 直接解释——甚至曾被 Claude 误导：推荐了一个不存在的 3Blue1Brown 半导体视频（链接存在但 attribution 错误）。
Dwarkesh 最高效的学习 session：human artifact（书/视频/文章）提供 concept 的正确顺序和 motivation，LLM 做 branch pruning——三个 screen 同时开：Strogatz 的 lecture、教材对应章节、LLM 答疑。
LLM 的 sycophantic 行为是 learning 的敌人——只会说「what an insightful question」，而非指出「你问的问题本身 reveal 你的 mental structure 不对，该问的是 X」。好教师的 jujitsu：接住学生 creative 的 wrong framing，而非直接纠正。LLM 目前停在 level 1，good explainer 在 level 2，A+ explainer 在 level 3。
来源：Dwarkesh Podcast
原文链接：https://www.dwarkesh.com/p/grant-sanderson-2[1]
原文作者：Dwarkesh Patel & Grant Sanderson
发布日期：2026-06-30
引用链接
[1]https://www.dwarkesh.com/p/grant-sanderson-2