
Dana在YouTube讲解OpenAI唯一游戏猜想证明
来源标题:Dana's Talk on OpenAI's Proof of the Unique Games Conjecture, Now on YouTube
Dana在YouTube发布了一场约三小时的讲座,讲解OpenAI关于唯一游戏猜想(Unique Games Conjecture)的证明。她介绍了唯一游戏问题、其NP-hardness证明的结构、以往基于Long Code和Hadamard Code的证明卡在哪里,以及AI发现的新树形编码如何绕开这些限制。讲座未涉及可靠性(soundness)分析。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
欣赏这三个小时的全部内容!Dana 讲解了 Unique Games 问题是什么、人们为何关注它,证明其 NP-hardness 的证明结构,之前几次完成证明的尝试(基于 Long Code 和 Hadamard Code)究竟卡在哪里,AI 发现的新型基于树的编码,以及新编码如何绕开 Long Code 和 Hadamard Code 的局限。她没有讲到 soundness 分析部分。 欢迎在评论区提问。我之后可能会在这里写一些笔记,记录我自己对 Dana 讲座的笨拙理解。专家们当然正在加紧撰写更正式的证明文稿(希望比 AI 写的版本更容易理解)。 本文发布于 2026 年 11 月 10 日星期二下午 2:27,归类于 AI、公告、复杂性。 你可以通过 RSS 2.0 feed 关注本文的任何回应。 你可以留下回应,或从你自己的站点 trackback。 如果 AI 真如我们被告知的那样持续进步,两年后,这种煞费苦心地解释/理解 AI 生成证明的想法就会被彻底遗忘,成为对旧日时光的一种绝望而可爱的执念。 认为这项活动长期可持续和/或有价值的错觉,就像让 AI 造一架客机飞越喜马拉雅山,而我们却坚持只用绳索和梯子在地上爬行,沿着它的路线走。 纯数学定理主要关乎是/否的答案,或者聚焦于某个常数,或某种没有实际价值的渐近行为。 数学将回归它最初的形态:一种为工程和科学实际问题寻找答案的工具,而使用这一工具的人将是物理学家和工程师。 甚至大部分工程领域也将很快被大规模 AI 控制的纳米机器人技术所改变。 The Selph #1:我认为,你能理解的数学大概不超过实际工程问题的答案,至于答案是如何得到的、为什么成立,你毫无进一步兴趣。不过,只要还有人类为数学本身而兴趣、能够理解数学、并且自由地追求数学,我预计他们会做 Dana 和她在世界各地的同事现在正在做的事情。 这与我们喜欢做什么或觉得什么有趣无关,关键在于聪明人今后会聚焦于什么新类型的问题。 寻找数学证明曾是一类困难但非常狭窄的问题,除了人脑别无他物可做。但现在,一个数据中心可以比人脑做得更好,只需数小时而非数十年。 一旦每周或每天涌现出数百个自动化证明,并且 AI 将挑选接下来要问的问题,花费数周或数月去拆解其中一个将毫无价值……所谓价值,不是说它作为完全随机的活动可能没意思(就像独自攀登珠峰),而是没人会付钱让你做这件事,终身教职也不例外。 就像很快没人会付钱让人花 3 个月写一段专业但复杂的代码,而 AI 24 秒就能写完。 重点将是用 AI 作为工具来构建复杂系统,这些系统沿途需要上千个设计决策。 Scott #2:当然(假设这些系统的复杂度继续指数级增长),它们解决难题、发现新想法等的能力,数学中这些证明的复杂度水平将变得如此之高,以至于获得对其严谨的逐步理解将变得遥不可及?现在产出已经远远超出我们能够消化的程度。 SSP #4:我们在最近几期播客中讨论过这个问题,比如与 Brian Greene 的那一期。 是的,AI 有可能找到人类永远无法理解的证明——至少,假设我们大致维持目前的寿命且不进行生物增强。但我们显然还没到那一步。 既然我们现在有了这么多重要开放问题的可理解解决方案,我们除了努力理解这些解决方案之外还能做什么?还有什么别的反应甚至值得尊重? 而如果我们确实看到完全超出人类理解的证明——那么数学家大概会把时间花在他们能理解的证明上。他们玩的游戏以理解为目标,且一直如此——如果有人对这种游戏表示蔑视,他们会以远超对等的蔑视回敬。🙂 Scott #5:澄清一下,我当然不是建议我们停止尝试理解 AI 系统生成的证明,也不是贬低那些正在这样做的人(而且我强烈反对 The Selph #1 对数学是什么的描述)。但我也很难想象“仅仅”理解和解释 AI 输出会成为我们不久的将来活动的中心,尤其是因为发现的乐趣是许多人动机的一大部分。 “你能理解的数学不超过实际工程问题的答案” 确实如此,而实际工程大概被高估了: 过去 50 年,一些非常擅长数学的人一直在为少数几个非常困难的数学问题寻找证明。 另一些数学不那么好的人,则用同样的岁月组装出了能自动解决那些非常困难数学问题的机器。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。