Grant Sanderson (@3blue1brown) – AI disproved a famous math conjecture. Now what?

关键观点

1. 01

   IMO 金牌不是 AGI，只是又一个被跨越的门槛

   访谈回顾了三年前一个曾显得极具决定性的判断：如果 AI 能拿到 IMO 金牌，那是否就等同于 AGI。Grant 认为，这类判断高估了单一 benchmark 的代表性，因为 AI 的能力增长通常不会在某个节点突然变成“无所不能”。数学的确处在 AI 进步最尖锐的前沿，但前沿内部并不均匀，而是继续分裂成更细的能力层。结果是，旧门槛被跨越之后，社会只会继续追问下一个更难、也更模糊的门槛。

   为什么重要: 这改变了我们理解 AI 进步的方式：与其寻找一锤定音的时刻，不如观察能力如何在不同子领域不均衡扩散。对政策、科研和职业判断来说，这比执着于“是否已经 AGI”更有操作性。

   支撑证据

   You said it'll be another benchmark, like all these other benchmarks that AI are passing.

   访谈回顾了三年前一个曾显得极具决定性的判断：如果 AI 能拿到 IMO 金牌，那是否就等同于 AGI。Grant 认为，这类判断高估了单一 benchmark 的代表性，因为 AI 的能力增长…展开观点

   访谈回顾了三年前一个曾显得极具决定性的判断：如果 AI 能拿到 IMO 金牌，那是否就等同于 AGI。Grant 认为，这类判断高估了单一 benchmark 的代表性，因为 AI 的能力增长…展开观点收起观点

   访谈回顾了三年前一个曾显得极具决定性的判断：如果 AI 能拿到 IMO 金牌，那是否就等同于 AGI。Grant 认为，这类判断高估了单一 benchmark 的代表性，因为 AI 的能力增长通常不会在某个节点突然变成“无所不能”。数学的确处在 AI 进步最尖锐的前沿，但前沿内部并不均匀，而是继续分裂成更细的能力层。结果是，旧门槛被跨越之后，社会只会继续追问下一个更难、也更模糊的门槛。

   为什么重要: 这改变了我们理解 AI 进步的方式：与其寻找一锤定音的时刻，不如观察能力如何在不同子领域不均衡扩散。对政策、科研和职业判断来说，这比执着于“是否已经 AGI”更有操作性。

   支撑证据

   You said it'll be another benchmark, like all these other benchmarks that AI are passing.

2. 02

   数学前沿并不统一，几何已高度可解，组合仍更像创造力保留地

   Grant 用 IMO 的四类题型说明，所谓“AI 会不会做数学”这个问题太粗。几何题在当前系统里已经接近暴力求解，甚至可以在极短时间内完成；但组合题仍然更像开放的、带有游戏感的谜题，模型表现明显不稳定。换言之，数学内部的难度结构比外界想象得更不平滑。所谓“最后的人类堡垒”并不是整个数学，而可能只是其中少数高创造性区域。

   为什么重要: 如果数学内部能力分布高度不均，那职业、研究和产品决策也不能按“数学已被解决”这种粗粒度叙事来做。真正有价值的是识别哪些子领域会先自动化，哪些仍需人类直觉与探索。

   支撑证据

   Grant 用 IMO 的四类题型说明，所谓“AI 会不会做数学”这个问题太粗。几何题在当前系统里已经接近暴力求解，甚至可以在极短时间内完成；但组合题仍然更像开放的、带有游戏感的谜题，模型表现…展开观点

   Grant 用 IMO 的四类题型说明，所谓“AI 会不会做数学”这个问题太粗。几何题在当前系统里已经接近暴力求解，甚至可以在极短时间内完成；但组合题仍然更像开放的、带有游戏感的谜题，模型表现…展开观点收起观点

   Grant 用 IMO 的四类题型说明，所谓“AI 会不会做数学”这个问题太粗。几何题在当前系统里已经接近暴力求解，甚至可以在极短时间内完成；但组合题仍然更像开放的、带有游戏感的谜题，模型表现明显不稳定。换言之，数学内部的难度结构比外界想象得更不平滑。所谓“最后的人类堡垒”并不是整个数学，而可能只是其中少数高创造性区域。

   为什么重要: 如果数学内部能力分布高度不均，那职业、研究和产品决策也不能按“数学已被解决”这种粗粒度叙事来做。真正有价值的是识别哪些子领域会先自动化，哪些仍需人类直觉与探索。

   支撑证据