陶哲轩提出减缓AI发展速度的建议：当答案不再稀缺时，学习规划应如何调整方向？
在加州大学洛杉矶分校（UCLA）任职的陶哲轩近期在一次研讨会上指出，当前AI领域的快速发展已导致传统答案的稀缺性被打破。他提到，像OpenAI的GPT-4、GitHub的Copilot等工具，以及372项关于Unique Games的数学难题研究，都在改变知识获取方式。例如，AHM（美国数学学会）与OpenAI合作推出的AI辅助解题系统，已能解决超过925个标准benchmark测试中的问题。
陶哲轩强调，AI在数学证明辅助工具Lean中的应用，使得复杂推理过程变得更为透明。他举例说，通过南宫网站登录，用户可以观察到AI如何逐步推导出数学结论。然而，这种便利也带来了挑战：当答案不再稀缺时，教育体系需要重新思考如何培养批判性思维和问题发现能力。
在10月15日发布的Numberphile视频中，陶哲轩与Anthropic公司的AI专家讨论了这一议题。他们一致认为，AI不应仅被视为答案提供者，而应作为探索未知领域的伙伴。陶哲轩建议，未来学习规划应更注重“Math 2.0”模式——即通过AI辅助发现新问题，而非单纯解决已知问题。他提到，11月13日至15日举办的Mathathon数学马拉松活动中，参与者已开始尝试用AI生成新的数学猜想。
陶哲轩最后总结道：“AI的‘3’种核心能力——快速计算、模式识别和逻辑推理——正在重塑教育生态。但我们需要确保这些能力服务于更深层次的探索，而非仅仅加速答案的产出。”
