
文章摘要
【关 键 词】 GPT – 5、数学研究、教授 + AI、科研思考、博士培养
9月初,GPT – 5被写进数学研究成果论文,引发了关于它是科研加速器还是博士培养绊脚石的讨论。
GPT – 5首次以“定理贡献者”身份进入数学论文:研究团队将Malliavin–Stein框架下第四矩定理“定性收敛”升级为“定量收敛”的问题抛给GPT – 5,它推导出全新收敛速度结论,证明若第四矩逼近高斯分布数值,收敛速度可被清晰刻画。这一结果使定理在复杂模型应用有了可操作性,且其推导被直接纳入正式成果。
“教授 + AI”的合作模式:外界易认为GPT – 5能独立解决数学难题,但实际并非如此。在推导过程中,GPT – 5在关键环节出错,经研究者反复引导和纠错,才写出正确推导并整理成完整论文。这更像是“教授 + AI”的组合拳,GPT – 5如同聪明但毛躁的实习生,需人类导师指导。
外界与内行观点差异大:微软研究员用GPT – 5 Pro解决凸优化领域公开问题,几分钟内将经典界限提升,引发社交媒体轰动,被视为AI数学家时代开幕。然而,数学界内部则较为冷静,认为这主要是对熟知工具的快速复用,有经验的研究人员也能在几小时内得到等价结果。
引发对科研和博士培养的思考:GPT – 5被写进论文看似是科研加速器,但也引发担忧。它擅长拼接已有工具得到结果,缺乏原创性,若“拼图式研究”增多,可能使真正有突破性的工作更难脱颖而出。对于博士生培养,若过度依赖AI,会跳过试错环节,失去培养基本技能的机会。未来AI在科研中的角色变化或许比想象中更快、更激烈,人类研究者需要思考自身的价值和方向。
原文和模型
【原文链接】 阅读原文 [ 1800字 | 8分钟 ]
【原文作者】 新智元
【摘要模型】 doubao-1-5-pro-32k-250115
【摘要评分】 ★★★★☆