可别直接用 chatgpt 算数学题,现在我发现它已经内置了一个专业级的技能 wofrom。 在 gpt 名扬天下之前, wofrom 早就是专业级的计算工具, 理科生的都知道他的大名,现在直接可以在 gpt 和 codex 里调用 skill。 我 们知道 ai 毕竟会有幻觉的时候,把关键计算交给沃否曼验证,可能性就高得多了。更厉害的是,沃否曼算完以后, gpt 可以 继续充当老师,把过程讲成人话。高速现代统计、物理工程计算 用 woofermen 能够画出标准图像,小初高的数学题就更别提了。所以 woofermen 加像 gpt 真的 是理科生的王炸。一个负责严谨的算,一个负责直白的讲,对老师来说是备课助手,对学生来说就是你们的完美助教。
粉丝3.3万获赞12.2万

就在昨天,叉 g p d 发布了一个新的功能,就是对一些核心的数学还有科学的概念进行解释。那用户就可以通过调整变量控制公式来看它的实时变化,它可以把抽象的方程变成可以直接实验的东西。我们来举几个例子, 比如你看到这个理想状态气体方程,就可以通过改变体积,气体的物质的量还有温度来直观的感受对其他变量的影响。 还有一个例子我觉得更直观,就是这个成像公式可以通过改变物距还有焦距来看对象距的影响。 那当前拆 gpt 的 发布支持了七十多个公式或者概念,然后主要是针对高中和大学的知识,理论上用户只需要输入简单的提示词就能触发,比方你可以说帮我理解一下勾股定律,我如何计算圆的面积等等。 但说实话我试了一下还不太行,可能从发布到完全落地还需要一些时间,那这种格式化的工具化的学习方法肯定是非常有效的。市场上其实也已经有很多成型的产品,或者某些大教育平台当中也有类似的功能 啊。当然每个产品的切入点会有不同,比如叉 gpt 这个发布就是关于概念或者公式的格式化解释。还有一个这个叫 joe gabriel 的 产品,它是侧重于对具体的几何和代数问题的理解, 比如我们随便选一个高中的代数学生,就能够通过直接在坐标系上的操作来理解同样的一个公式在不同坐标系中的表达。还有一个叫做 desmos 的 产品,它不是预设概念,而更像是提供了一个画板,然后学生可以自由探索不同的函数。它的可识化效果 上面这两个小工具都是完全免费的,那付费的产品就更多了。比如这个 brilliant, 就 可以把理工科概念的学习可操作化,包括数学、计算机、数据分析科学等等。 那跳开教育视角,单纯站在 ai 产品的角度,就又不得不感慨,随着 ai 模型能力不断的迭代以及 agentai 的 不断发展,留给小公司或者个人的这些具体功能点的机会就越来越少了,未来的应用市场必将走向个性定制和用后积分。

一个二十三岁没学过高数的人,把数学界卡了快六十年的问题给解了。事情是这样的,这个人叫 liam price, 没有任何数学科班背景,吕丽丽连高等数学都没有学过。他和一个剑桥数学系大二学生 kevin burrito 做了个实验,从 irdo's problems 网站随机抽未解难题,然后直接丢给 chat gpt。 他 们的方法也很奇怪,不查论文,不做前置研究, 就用最直白的语言描述问题,让模型自己想办法。这个玩法甚至被圈内起了个名字叫 webmathing。 这次他们抽到的是一个关于原始级的问题,简单说就是一组数字里任意两个数都不能互相整。这个问题早在一九六八年就被提出了,一直没人彻底证。更关键的是, 数学家中研究这个问题走得最远的人是牛津大学的 jerry litman, 他 已经在这条路上研究了七年,把结果逼近到一个很接近答案的位置,但最后一步始终跨不过结果。 price 把问题丢给 chat gpt, 模型推理了八十分钟,直接给出一个新的结论形式, 一步把问题推到终点。 ai 走了一条完全不同的路,用马尔可夫列方法结合冯曼戈尔特权重。这两样东西在述论的其他分支里都是成熟工具,但从来没有人想到把它们用在原始级问题上。但是这个过程并不完美。 chat gpt 最初给出的证明其实很乱,逻辑跳跃很多,是 burrito 和后来的数学专家一点点从里面筛选,才提炼出真正关键的思路。真正让人震惊的地方在这里。过去几十年,几乎所有数学家都默认用同一套方法来研究这个问,但这次 ai 完全没按这套来, 反而用了另一套,从来没人想到用在这里的工具。连菲尔茨奖获得者、数学家陶哲轩都说,过去六十年人类都看过这道题,所有人在第一步就集体走偏了。 但说实话,这事让我感觉有点复杂,一方面是经验,另一方面也有点不安。经验是 ai 真的 可以帮助人类做科研,至少可以提供另辟蹊径的思路。不安是感觉这样下去,人类最终会抛弃独立思考,完全依赖 ai。 如果未来解析靠的是不会被路径限制, 那我们过去学的那些方法到底是优势还是束缚?如果 ai 可以 一步到位做科学研究,那么盗窃窃组的科研之路还会不会有人类学者饱读诗书二十年,赌上前途命运,用愚公移山的精神去开拓和探索?关于 ai 的 科研能力的发展,你觉得是好事还是坏事,欢迎评论区聊。

你跟 check gpt 说,写首诗他刷就写出来,让他解道数学题,他一步步给你算,甚至跟他聊人生,聊感情,他也接得住话。但你有没有想过, check gpt 到底是啥?没上过学,没读过书,凭啥能说出那么像人话的话?他是懂你还是在背? 更离谱的是,他回答你是一个字一个字往外蹦的,每蹦一个字都在想下一个字,他到底咋想的?今天从大语言模型讲到概率预测,给你八个明白, 先回忆下,你输入帮我写封词直信为晚点,他一个字一个字往外蹦,一封像模像样的词直信就出来了,比你自己写的还体面。 你可能发现了几个规律,他啥都能聊,但偶尔一本正经的胡说八道,没有记忆,这次聊的下次就忘。你严肃他就严肃,你逗逼他就逗逼, 这几个规律基本把答案拼出来了。 chat gpt 不是 懂你,他是在预测下一个字,一个字一个字,哪个字最可能接在后面就输出哪个字, 就像输入法的联想词,你打今天天气,他猜下一个字,可能是真恨不 chat gpt 干同样的事,只是联想能力强了一万倍。他的联想不是瞎猜,是基于他读过的海量文字,几乎互联网上所有的书、文章、网页、代码他都读了。 所以你问他问题,他不是在思考,是在模仿他读过的文字里。这种问题通常怎么回答?一个字一个字拼出最像人话的答案, 这就是大语言模型的本质。一个超级强大的下一个字预测器,他为啥能预测的那么准?因为他读了海量文字,还读了很多遍。训练分三步,先把书、新闻、扑克代码收起来,几千亿个词,相当于几百万本书。 第二步,把文字喂给巨大的神经网络,几千亿个参数,几千亿个旋钮,让他玩猜谜,给前半句猜,后半句,猜对调一点,猜错反着调。 第三步,这个游戏重复无数遍旋钮,越调越准。最后,它能根据任何一句话,预测出最通顺、最像人话的下一个字。 你可以理解为一个学生做了几千亿道填空题,变成了看到前半句就知道后半句咋写的本事。它不是理解了,意思是记住了文字之间的统计规律,哪些磁场一起出现,哪种句式,通常怎么接。 他发现今天天气后面常接,真好,一加一等于后面几乎总是二。他不止记住词搭配,还记住了逻辑结构。数学,先已知再公式后答案。辞职信,先感谢再说明后祝福。他不是懂逻辑,是模仿了文字里的逻辑。 这也解释了他为啥会一本正经的胡说八道。他只是模仿人话的样子,并不真知道事实。遇到没读过的冷门知识,可能编个不存在的论文引用。 那他是咋想的?他先根据你的话算出下一个字每个可能字的概率,比如真百分之三十,恒百分之二十,不百分之十五。 然后从概率里抽一个字出来,概率高的更容易被抽到,但不保证一定抽到,这叫踩样。抽到的字加到回答里,再预测下一个字,如此反复,直到他预测到该结束了。你看到的竹子泵就是预测踩样在循环。 有意思的是,他不是每次都选概率最高的字,那样太死板,像机器人,他加一点随机性,回答更多样。同样的问题问两次回答可能不一样。 那他真的懂吗?他懂的是文字的统计规律,不是世界的真实知识。他知道水常跟喝流失透明液体,能说出水是透明的液体,但他没见过水,没喝过水, 就像一个没出过门的人,读了很多关于大海的书,能说出大海是蓝色的,有波浪,有咸味,但他从没见过大海。他知道大海,但不理解大海, 这就是幻觉的来源。遇到没读过的知识,他不会说我不知道,而是模仿一个像那么回事的答案。他是文字模仿大师,不是知识权威。 那他为啥能做数学写代码?因为数学和代码也有统计规律。他读过海量解答,学会了这种题,通常这么解,见过的模仿对,没见过的就模仿错。 从输入法到 check gpt, 同一个思路预测下一个字,输入法推荐一两个词, check gpt 预测一整段话,只是读的更多,模型更大。 这就是 ai 领域的暴力美学。模型够大,数据够多,算力够强,简单的预测就能产生惊人的智能, 而且这个思路还能扩展。 ai 画画是预测下一个像素, ai 语音是预测下一段声音对象不同思路都是预测下一个。 所以 ai 热潮的核心就是大数据,加大模型,加大算力做预测。下一个字是 check gpt, 下一个像素是 ai 画画。简单思路加足够资源就能产生智能的结果。 check gpt 能跟你聊天,背后是大语言模型,神经网络,概率预测,参照统计学习的叠加。最有意思的是,他不是懂你,是模仿他读过的文字里,这种话通常怎么接?他是文字模仿者,不是思考者, 但他的模仿已经强大到让人觉得他懂了。你不需要真懂,一件事,模仿得足够像外人看起来你就懂了。当然,这又是题外话了。 一个 chat gpt 能聊到大语言模型、神经网络、概率采纳、幻觉统计学习,天天用的 ai 深挖下去都是硬核,计算机科学。 下次跟 check gpt 聊天,想想他每蹦一个字,都在几千亿个参数里算一遍,再抽一个,全在几毫秒内,是不是觉得跟他聊天都变得有学问了?虽然他还是可能胡说八道。 最后问大家,你用 check gpt 遇到过最离谱的胡说八道是啥?我先说,我让他写个参考文献,他编了个作者期刊年份看起来跟真的一样,我查了半天没查到评论区。聊聊你的被骗经历,咱们下期接着开脑洞。

一个二十三岁的年轻人,没有招懂数学背景,却用拆的 gpt 破解了一个困扰数学界六十年的难题。听上去像炒作,但却真实发生了。他叫利亚姆普莱斯,平时就喜欢 y 不 ying。 那 天下午,他随手把一个埃尔德斯猜想扔给了 gpt 五点四, 没想到 ai 思考了八十分钟,就一次性输出了完整的证明思路,又用三十分钟输出了 latisse 著述论文 ai 数学领域的重要积分员陶哲轩看完都说人类不是不会做,是一开始就走错了方向。 这道难题就是艾尔德时猜想的第一千一百九十六号原始级问题。艾尔德时猜想用传奇数学家保罗艾尔德时提出或转述,一共有一千多道问题,其中大约一半多仍有待解答。原始级问题是指,如果一个正整数集合 a 中的任何一个元素都不能整出另一个元素, 那么 a 就 被称为无倍数级。问,是否存在一个已知 x 使得大于 x 的 无倍数级 a 中的所有元素满足这只等式? 六十年来,没人能证明他最厉害的数学家,也只能证明到上届是一点三九九加无穷小量离异始终差一届。按照人类的常规思维,这道题和数论有关,因为无被数集在很大的时候接近质数,但 g b t 五点四却跳出了这种框架,用马尔可夫列分析解决,成功绕拆了人类集体的思维盲区。 得到答案后,普莱斯立马分享给了他的搭档,剑桥大学数学专业大二学生凯文巴雷托。从去年开始,他俩就一起合作,用拆的 gbt 破解艾尔德十问题还曾已发过一波热议,甚至有研究人员送了他们拆的 gbt pro 订阅,鼓励他们继续歪不卖相。 巴雷托一看就意识到一个了不起的发现出现了,他又通知了许多专家。研究了七年该问题的斯坦福数论学家贾立德杜彻里奇曼确认,证明结构紧凑且优雅。不过他也直言,拆的 gpt 原始输出的证明其实挺乱的,需要专家来梳理才能真正理解他在说什么。 现在他和陶哲轩已经用另一语言做了形式化验证,也就是说在机器层面可以被严格检查为正确。 对于 webmaster 的 未来,陶哲轩的看法是,这是一种思考大树及其节奏的新方法,但长期意义如何还有待评判。人类最大的问题是存在某种思维盲点,而 g p t 的 优势就在于没有思维惯性。对此,你的看法是什么?

我真的要惊呆了啊! check gpt 最近太炸裂了,你们看我手里的这些图啊!语文、数学、英语、物理、化学、生物、历史、地理,每门科目的知识点,我都是用 check gpt age 二点零做的,它把每一门科目的学科知识点都可量化,学习效率直接提升十倍。 那么英语二点零,他就是有这么一个本事,听得懂人话,而且懂学科逻辑,并且中文相当友好。下面我们来具体的看一下每一门科目怎么操作。第一门,语文古诗背不下来,一张水墨意境的图,配书法的诗句,让孩子一看就能复述,静夜思登鹳雀楼,全面搞定, 理科娃也不要急。第二门,数学应用题,读三遍还不懂文字很枯燥,输入提示词, ai 秒变情景漫画出来,一秒就懂。 第三门,英语,哎,这个很炸裂,单词记不住, ar 给到每个单词配专属的卡通图,你看,九宫格的单词墙,一字排开,孩子马上就上瘾, 那初中开始难度飙升,不要慌。第四门,物理电磁感应凸透镜成像这种看不见摸不着的概念,三 d 视意图一画,比老师讲一节课还清楚。第五门,化学分子结构记不住, ar 直接生成三 d 模型状态分布,一张图全部标清楚,背书变成了看图。 第六门,生物细胞结构,八大部件分不清,一张彩色的剖面图,线立体、内质网、高尔基体,每一个都标的明明白白,期末考前的救命神器,那文科的孩子看过来啊!第七门,历史朝代既混乱,一张彩色的时间轴, 从夏商周到明清贯穿到底,每一个朝代配代表性的图标,一图就能记三千年。那么第八门地理,三大平原,四大高原,五大山脉记不住! ai 深层彩色地形图,绿黄棕蓝一目了然。孩子一变就能记住一辈子。所有的学科一个工具 搞定,不是死记硬背,是把抽象变成直观,把枯燥变成有趣。以上呢是总览,如果有需要,每一门怎么用,我都会单独出一期,那么可以在评论区告诉我你们家娃哪一门最头疼,我下期专门来做一期,记得点赞关注哦!

清华摇篮传奇 i o i 金牌得主陈立杰,苦思了七年的数学难题,竟然被叉 g p t 给破解了。更魔幻的是,打败他的终极武器,正是他自己在 open a i 亲手参与打造的。陈立杰找了七年的通关钥匙,被自己亲手交出来的 ai 给找到了。事情是这样的,最近 科学家用 g p t 五点五 pro 彻底解决了一个计算几何领域的核心难题,高维空间里怎么快速找出差别最大的两个点?听起来抽象,但其实很好理解。这就好比,如果只是比较身高和体重, 找差异最大的人很容易。但假如每个人的档案里有一百项指标,比如血压、 dna 片段、消费记录等等,维度一多,任何聪明算法都会慢慢退化成把每两个人都比一遍的笨办法。科学家们一直想搞清楚,这是算法不够聪明,还是老天爷压根就没给捷径?答案是后者。但就这个题, 陈立杰从二零一八年就开始死磕,把进度推到百分之九十九后,被一堵叫技术太稀疏的硬墙卡住了。整整七年没跨过去。那么连天才都翻不过的墙, ai 是 怎么破局的?这里, ai 直接跳出了陈立杰依赖普通技术的老路,他借用了 open ai 破解猜想时的代数述论工具,把原本不可分割的技术拆分成了更小的因子。 这下,技术不够用的死结就解开了。然后,最有宿命感的一幕来了, ai 用的这套代数述论的新工具,正是上个月 open ai 破解另一道世界级数学猜想的核心技术。而这项工作背后的核心推手,好巧不巧,正是陈立杰本人。但这波突破最让人细思极恐的地方在于, ai 不 仅会解析, 他甚至能识别出两个完全不搭界的数学领域,竟然卡在同一个瓶颈上,然后直接把一边的突破搬到了另一边。以前这种是靠人类天才的直觉,但现在 ai 开始接手了,也难怪陈立杰在 x 上连发三个感叹号,惊呼不可思议, ai 徒弟赢了师傅,但这大概是教得好的最高境界吧。


太魔幻了,一个二十三岁零数学基础的年轻人,竟然用拆的 g p p 解决了困扰数学界六十年的世纪难题!连菲尔兹奖得主,当代数学界最伟大的数学家之一陶哲轩都震惊了。他叫 liam price, 二十三岁,没有任何数学专业背景。但是呢,他有一个业余爱好,就是他经常去一个叫艾尔德时未解难题的网站随机抽题,丢给 excel, 让 ai 来试着解。那个网站上面挂着一堆顶尖的数学家几十年都没解出来的难题。 在二零二六年四月的某天下午呢, liam 像往常一样抽了一道题,关于一种特殊整合数集合的求和上界。 这道题已经困扰数学界整整六十年,顶级数学家 lichtman 死磕了七年都没有拿下来。 m 没做任何数学准备,直接把题目敲给了 chad 的 gpt, 加了个 proct, 让他找点有创造性的方法。 chad 的 gpt 直接调出了九十年前就有的数学工具,用一种全新的思路,把这道题 死死的压在了一个极其精确的商界,直接秒杀!陶正勋看完都震惊了,过去六十年里,所有研究这个问题的人,在第一步就集体走偏了。六十年的思维定式,被一个门外汉用 ai 打破了。更让人震惊的是,这套证明随后通过了令系统的机器审查,这是 数学界最严格的证明验证工具。等于呢,给这套证明盖了帖子,就是说人家拆的 g p d 解的非常完美,没有问题啊! 这个卡了七年没拿下的 lek 曼,本人在审阅完证明之后,也只能承认他的核心思路极其优雅,是前所未有的路径,这就是 ai 时代最魔幻的事,人类用六十年都没绕开的 思维死胡同, ai 花八十分钟就跳了出来,哪怕没有任何专业训练,只要你会跟 ai 写作,也有机会来撬动顶尖的数学难题。

嗨,欢迎回到皮皮爸的小货车,我们用 ai 学数学的过程中呢,真的收获了不少的惊喜。 千问呢,会在解析结束之后提供你一个千问小讲堂的环节,这个真的非常适合作为数学辅导的小助手皮皮爸,每次遇到了难题解决不了的时候,他们俩就会一起进入千问小讲堂学习一下。千问小课堂里面咋弄, 怎么念念我也记不起来。另外一个亮点呢,就是豆包给的。豆包每次在解析完成之后,都会问你要不要总结类似题目的解析思路或者是解析方法, 要不要我帮你整理这类圆的切线证明题的通用解析技巧,方便你,后续我觉得就挺实用的。这些都可以说明, ai 用来辅导数学或者学数学绝对是大有可为的。 那么市面上这么多 ai 大 模型,到底谁家适合辅导数学?今天我们就打算来测评一下。我们呢对当前比较流行的六款 ai 进行了一次汇总测评,这其中呢就包括了 deepsea、 元宝、豆包和千万。国外的呢就是叉 g, p d 和 jimmy that。 我 们选择的题目呢,包含了小学的数学应用题和几何题,初中和高中的代数题和几何题。 重点关注的呢就是正确率,还有答题的速度以及解答的过程是否通俗易懂。首先我们来测评的呢,是正确率和速度, deep sea 很 不幸就被我们淘汰了,在这六道题过程中,他经常会陷入深度思考, 五分钟都给出来答案。腾讯元宝呢,切换到混元模型之后呢,表现还可以,但是他在一道高考的数学题里面 怎么了?跌倒了?他做错了,那这种东西我们当然不能留了,也把它给 pass 掉了。所以只剩下 char j b d 千问豆包 jimmy 娜。 char j b d 千问豆包 jimmy 娜呢?他们的快速模式呢?偶尔会翻车,但是如果采用他们的高阶模型,再加上思考以后,在这六道题的测试中都可以得出正确答案,而且呢,速度还都是可以接受的。 但是如果想要再细分它们的能力高低的话,叉 j b d 回答问题的时长稍长,而且要使用高阶思考,也就是 extended thinking 模式才能给出正确答案。要注意这个模式是有使用限额的哦, 豆包的专家模式和 jimmy nine 的 pro 模式呢,在这次测试中都没有被用到,所以我我觉得他们俩在 ai 解数学题这件事上能力还有很多余地。总之, jimmy nine、 豆包千万和叉 gpt 在 这次正确率的测试上都是合格的。 那接下来让我们看看这四款 ai 谁的解答更贴近课本的方法,是更简洁清晰,还是让人听得一头雾水?这道小学数学题,豆包在求解的过程中呢,最后通过一元二次方程得到了答案。另外呢,这道考题呢,豆包给出的解法呢,也是比较复杂的, 而其他三款的 ai 模型都是用比较常规的简洁的方式给出的答案。最后我们再来介绍一下亮点功能, 哎,通过豆包的这个总结,让我灵光乍现,我把这句话发给了其他的 ai, 发现他们也能规范总结类似的解析思路和技巧。哎,那有没有更多的题诗词能够帮助大家拓展 ai 辅助学习的功能呢?这些就是我总结的题诗词啦, 这些提示词我已经放在置顶留言了,欢迎大家去用。好了,这期节目就到这儿了,让我以千问小讲堂的结束语完成这期吧!我是皮皮妈,只要理清思路,步步为营,再复杂的题目也能迎刃而解。

你信不信,二十多年前那个右键就能点的 zp 压缩,居然能自动识别语言,甚至画出人类语言的族谱图?这不是段子,这是二零零二年一篇真实发表过的论文干出来的事。而藏在这件事背后的秘密,会让你重新看你手机里那个掐 gpt。 我第一次读到这篇论文,是在一个凌晨,盯着那张 zip 画出来的语言组谱图,我愣了好几分钟。你想啊,多少人熬夜跑模型、看 paper、 砸钱买显卡,结果一个二十多年前的老工具,一个小学生都会用的 zip, 居然能干出人工智能才该干的事, 你是不是也觉得哪里不对劲?我顺着这条线一直往下挖,挖到最后浮出水面的那个答案让我合上电脑,坐了很久没说话。今天这一条,我把这层窗纸给你揭开。 接下来,我给你三个反常识的结论。第一,交叉商,这个听起来像天书的词,本质上就是一句能听懂的大白话。 第二,你手机里叉 gpt 训练时最核心的那一行代码,跟 zp 压缩用的是同一个公式。第三,也是最炸的压缩,就是智能本身。这不是比喻,是可以被数学严格证明的等式。最后,这个结论会让你重新看那个跟你聊天的 ai。 先立个把子,想象你是外卖平台的一个老调度员,你的工作是用对讲机跟外面的骑手沟通, 骑手一天到晚只做四件事,接新单、去取餐、送到手,遇到意外。而根据你手底下几千个骑手的真实数据,接新单占了一半,去取餐占四分之一,送到手和遇到意外各占八分之一。 现在问你,如果对讲机每按一下只能发一个低声,你要用最少的低声传达最多的指令,你会怎么设计? 聪明的调度员会把最常用的接新单编成一滴,取餐编成两滴,剩下不常用的送达和意外编成三滴。这样算下来,平均每次沟通比按顺序均分编码省下差不多一半的时间,这就叫最优编码。 这套路子人类早就用过。你今天用手机输入法打字,为什么的字永远排在后边的?分好几平才找到? 因为的是全中文使用频率最高的一个字。给最常用的东西留最短的路径,给稀罕的东西留长路径。这是刻在输入法算法里,刻在莫尔斯电码里,刻在你手机键盘布局里的同一个直觉。 香农这位老爷子一百年前就把这个直觉写成了公式。公式我不念,翻译成大白话就一句,一个东西出现的越频繁,就该用越短的码,越稀罕就该用越长的码,就这么简单。 好剧情反转,有一天,平台改规则了,骑手要多跑同城闪送新的四件事,概率完全变了。闪送冲到一半,接单降到四分之一,取餐和意外各占八分之一。 可你的对讲机编码表还是老规矩,这时候,平均每次沟通会比按新规矩重编一次的最优方案,应多花整整一半的时间。这多出来的浪费,就是交叉商响告诉你的那件事。 一句话,交叉商就是你按老世界的规矩去应付新世界的现实,你要多付的那笔冤枉钱。 但你要以为交叉商只是本教科书里的公式,那你就错了,它其实就藏在你每天用的 ai 里,藏在一个你完全想不到的地方。 打开你手机里那个叉, gpt 或者豆包,或者 kimi, 它们看起来跟压缩没有半毛钱关系。你输入一句话,它蹦出一段回答, 你觉得这就叫智能。但你要真去翻这些大模型训练时用的开源代码,最核心的那一行叫什么名字?就是 cross entropy loss, 交叉商,损失一模一样的公式,一模一样的那个 full log, 他 是怎么钻进去的呢?我跟你讲,大模型训练的本质,说白了就一件事,为他一大堆文字,让他学会预测下一个字。你给他前半句,今天天气很, 他得学会大概率蹦出好,小概率蹦出糟。他对每一个字都会输出一个概率分布,就像刚才那个调度员对四种指令的分配, 真实语料里下一个字到底是什么?这是真实分布模型自己猜出来的下一个字概率,这是他的估计。分布训练要干的事,就是让这俩分布越像越好。那用什么公式来衡量像不像呢?就是交叉商。 我第一次意识到这件事的时候,坐在电脑前愣了很久,因为大模型工程师们当年选这个公式,压根不是从压缩理论那条路推过去,他们只是想让模型说出的话越接近真人语料越好。找了个直觉上顺手的损失函数拿来用,一用就是好多年。 是后来才有人回过神来,我们训练 ai 这么多年,其实一直在偷偷训练一个压缩器。这就好比你以为自己再教一个小孩画画,回头一看,孩子已经把整本教科书背下来了 同一个公式,一头连着上个世纪的电报和通信工程,一头连着今天你手机里的 ai。 两个隔了七八十年完全不同的圈子,用的居然是同一根数学骨头。 数学家有个不成文的规矩,当你在两个完全不相关的地方看见同一个公式冒出来,那一定不是巧合,那是在告诉你,这两件事在底层根本就是同一件事。 到这一步,你可能觉得行,就是数学的巧合罢了。但接下来这段,才是我今天真正想拍这条视频的原因。听完你会重新定义智能这两个字, 我把结论先甩你脸上。训练一个大语言模型,跟训练一个最强的文本压缩器,本质上就是同一件事。 这话第一次听你肯定不信。我第一次看到,也不信。你会觉得大语言模型明明是生成东西的压缩器,明明是把东西变小的,两个方向都反的,怎么可能是一回事? 我给你把这层窗纸戳开,压缩的本质是什么?是把常见的东西编成短码,把稀罕的东西编成长码。 而大语言模型学的是什么?学的是每一个字后面接什么字最常见。当他对一段话预测的越准,就意味着这段话在他眼里越意料之中,而意料之中的东西需要的编码长度就越短。反过来一段话,他完全没见过,完全猜不到,就必须得用很多位数才能描述。 有一种压缩算法叫算数编码,专门就是干这件事的。你给他一个能预测下一个字概率的模型, 他就能用这个模型把整篇文章压成一串短短的比特,压缩率能逼近这段文字在模型眼里的信息量下泻。也就是说,任何一个能预测下一个字的模型,都自动就是一个压缩器。这不是打比方,这是数学上严格等价的。 我说到这,你回过头再看那篇二零零二年的老论文,就懂它为什么能靠 zip 分 辨圆了。 z 之所以能压缩,是因为它在内部悄悄学到了字母是怎么组合成常见搭配,常见搭配又怎么拼成常见词。 你把中文塞进一个只学过英文的 zip 里,它就压不动。因为在它眼里,中文的每个字都是意料之外。 它压不动这件事本身就是在告诉你,这两种语言的模式不一样。那张语言组谱图其实是 zib, 用它可怜的一点点智能,帮我们把语言按意料程度排了个序。 我讲到这,特别想跟你分享一个画面,你回想一下,你昨天晚上刷手机刷到入睡,一路划过多少条视频,多少条评论,多少张表情包, 你脑子里真正留下的,其实就是被你无意识压缩过的最意料之中的那一小部分。你的大脑就是一台一辈子都在偷偷压缩世界的机器。 顺着这条线继续想,你会得到一个几乎让人后退半步的结论,一个东西越聪明,他对世界的模式就理解的越深。 理解的越深,他就能把世界压的越小。反过来,一个能把世界压到极致的东西,就必然是一个懂世界的东西。所以那句压缩就是智能,不是一句吓唬人的口号,他是一个可以被公式证明的等式。 你手机里拆 gpt 那 几千亿参数,可以理解成是把整个人类互联网压进去之后剩下的那一个种子文件。它每回答你一个问题,都是在解压这个种子里那一小段被高度浓缩过的人类文明。 回到我一开头埋的那个悬念,为什么二十多年前的字,能干出人工智能才该干的事?答案就在这里。 g 本来就是一种低配版的智能,只不过我们过去一直没这么叫它而已。 从乡农那个富劳尔公式,到二零零二年那篇用计划语言组谱的老论文,再到你今天用的恰 gpt, 这三件毫不相关的事,底层其实是同一根骨头,叫交叉商。 我写完这稿子的时候,走到阳台上,抬头看了一眼夜空,你此刻正滑到这条视频,也许在地铁上,也许在被窝里,也许在下班回家那趟公交车的最后一排。 你要知道,你脑子里蹦出的每一个字,都能被一台大模型用交叉商算成几位比特。我们每一个人都是一段还没被压缩完的信息。 我问你一句,如果智能就是压缩,你这辈子的记忆能压成多少倍?评论区告诉我下一条,聊算数编码,那个把大模型悄悄变成压缩器的关键装。

你知道吗?困扰数学界六十年的世纪猜想,竟被一个二十三岁的数学小白用 ai 给攻克了!关键是他全程只用了一行 chat。 gpt 提示词 主人公名为 liam price, 年仅二十三岁。他完全没有高等数学的科班背景,也未曾获得过相关学位。二零二五年底,他和他的好朋友 kevin burrito, 一 名剑桥大学数学系大二本科生,开启了一场近乎疯狂的实验。他们从著名的 urs problems 网站随机抓题,直接扔给 ai 芒姐, 当时 openly 甚至还送了他们 check gpt pro 来鼓励这种探索行为。一开始大家都以为这只是小打小闹,直到他们碰到了那道世纪难题 urdo's problems 一 一九六。这道难题围绕原始级展开,也就是在一组正整数中,任意两个数字都无法互相整除。 该猜想由阿勒德时及其合作者于一九六八年提出,足足困住了全球数学界六十年。猜想指出,当集合数字趋于无穷时,特定求和式的最低极值会无限趋近于一。在 ai 介入之前,人类的最优成果来自牛津大学学者 jared leitman, 他深耕该课题整整七年,发表多篇重磅论文,才勉强将数值上届压缩至一点三九九,但却始终无法触达最终答案。而这位二十三岁的年轻人, 靠着一套名为 vaping 的 独特思路破局,那就是不给 ai 读论文,不设框架,就凭直觉描述问题。 他在一个周一下午将问题输入给 ai, 并且只用了最朴素的提示词,让大模型自主推演。结果 gpt 五点四 pro 在 推理了八十分钟后,直接给出了一套全新的逻辑,一刀到底证明成功。数十年来,人类数学家一直默认采用解析数论来解析, 而 gpt 五点四 pro 却反其道而行之,直接结合马尔可夫列与冯曼戈尔特权重函数来跨界解析。要知道,这两种数学工具在其他分支领域早已成熟通用, 但过去整整六十年,没有任何一位顶尖数学家想到将二者结合用在这道难题上。这种不按常理出牌的野路子解法,瞬间震撼整个数学圈。费尔斯奖得主陶哲轩一针见血的评论道, 过去六十年,人类天才们在第一步就集体走偏了。几十年来,数学家们深陷概率论的思维定式,而 ai 则完全跳出了框架,展现出一种思考大整数结构的全新维度。连同行的顶尖学者都忍不住惊叹,这是一个达到埃尔德时之书水平的 ai 数学成果, 不仅一招破局解法更是堪称极致优雅。这件事证明了在 ai 时代,无知有时反而是优势,少了思维束缚, 一把全新的数学钥匙如今握在二十三岁素人手中。你觉得像这类靠直觉调教 ai 的 门外汉,未来会取代深耕专业的专家吗?评论区聊聊你的看法。我是来来,点赞关注,带你吃透 ai 时代生存法则。

最近啊,科研圈有个非常炸裂的新闻,也就是北大协和的一名神经外科住院医师,他借助拆的 gpt 解决了困扰数学界长达二十年的一个难题。这 哥们名叫金山木,他本科学地制的,后来才学的一数学呢,是长期靠自学。而这个数学问题呢,他叫 cozy 猜想数学家 cozy 在 二零零四年就猜测,只要观察矩阵特定的一块范围里,也就是数字二,但是就是这个数字二困扰了数学界二十年, 所以金山木把拆的 g p p 拉了进来,他附用 open i 此前用于数学猜想的一套多智能体研究方法,同时跑多条这么路线,避免 ai 过早的涌入同一条研究赛道,再安排不同的一阵子,挑漏洞,找反利,走不通的路线就及时停掉。这个事很有意思的一个地方就是 ai 开始改变我们的科研组织了。 过去呢,很多研究方向要靠研究者自己一条路一条路的去试,但现在 ai 可以 同时铺开多个研究赛道,人只需要负责提问题,定标准,判断哪条路值得继续。所以呢,根据这件事,我对教育有三个研判,第一,知识还得学,但是假如只会及答案,你的优势只会越来越小。 第二, ai 会越来越普遍,所以你的提问、判断、验证这些能力会更加值钱。第三,科研方法已经发生了变化,所以孩子今天的学习方法也永远不可能停留在过去的死记硬背,也就是我们机器学习中所说的过你河。 所以家长需要自己先跟上 ai, 然后再让孩子尽快学会怎么用它解决问题。我是苏大老师,关注我用 ai 给孩子的学习赋能。

现在是两百美元解决一个数学猜想的时代。八月一日, openai 公布未发布模型 estra 的 成果,一口气解决十个数学家卡了几十年的难题。二七年的猜想,四六年的僵局, 菲尔兹奖得主的猜错,全在一个晚上搞定,总成本两千美元,平均每个难题两百美元。二十七年没人碰动的猜想, ai 直接政委。一九九九年阿贝尔奖得主,即 romov 提问,有无限群都能用有限的像素完美模拟吗? 二十七年无人破解 s 叉,直接构造出返利数学家规则,称其为迄今最重要的 ai 辅助数学成果。四十六年的天花板 ai, 一 晚上统传 怎么在高维空间塞最多的球。一九七八年,苏联数学家给出极限后,全球最聪明的大脑,连小数点后几位都优化不了。 s tr 首次突破这道四十六年没人动过的边界。十项成果全部做了机器验证,每个推理步就 都能独立检验。 open ai 表态证明是 ai 做的就该数 ai 的 名。成果太硬,不得不服, 方式太野学,数学焦虑加倍,解决一个世界难题的成本约等于一名研究生一个周末的今天,都说数学是人类最后的机械圣地,在 ai 的 加速下,还能撑多久?

一个困扰了人类六十多年的难题,竟然被一个连高等数学都没学过的二十三岁的年轻人用叉 gpt 搞定了。更不可思议的是,陶哲轩看完推理过程后,直接感叹,过去六十年的人们,在第一步就集体走偏了。故事的主角叫 price, 一个没有任何高数专业背景的小伙子。他手里唯一武器就是一个别人赞助的 chat gpt pro 会员,但就这个配置,却让他干成了一件让整个数学界破防的事情。一天下午, price 像往常一样,把数学家埃尔德时留下来的一个未解之谜输入给了 chat gpt。 这道题叫本源级猜想,简单来说就是集合里随便挑两个不同的数,谁也不能整出谁。 这个问题困扰了人类六十多年,难倒了许多顶尖数学家。结果 price 将提示词发出后, g p t 五点四 pro 推理了八十分钟后,就给出了一份看似严谨的答案。于是他立马把答案发给了他的搭档,正在读剑桥数学本科二年级的芭蕾托。虽然 ai 给出的最初证明过程十分粗糙,但芭蕾托很快就发现里面藏着一份独特的解体内核。于是 他们火速联系了相关专家。在整理了里面的逻辑后,所有人都震惊的原因不在于人工智能算的有多快,而在于它彻底颠覆了人类的思维方式。原来 过去几十年,研究这道题的学者都背负着沉重的历史包袱,死磕一套固定的推导逻辑,陷入了深深的思维定式。而 ai 呢?它完全没有理所当然。它另辟蹊径,把一个在数学分支里极其常见的公式帮 mango 的 函数史无前例地套用在了这道难题上,但就这一步,捅破了其他人类六十年的思维 定式。正如陶哲轩所说的,这件事的意义在于, ai 为我们剖析大数据结构提供了一种全新的视角。在这个时代,无知反而成了我们所有人打破僵局的最大优势。

说一个大家可能不会相信的事,一个二十三岁连高等数学都没学过的普通人,可能比全世界最聪明的数学家更先找到了答案。 有个叫利奥的年轻人,今年是二十三岁,他没上过数学系,没有博士头衔,甚至连高等数学都没正经学过。但他有一个很有意思的习惯,就是他隔三差五就会把一道还没有被解开的数学题随手粘在了 chpt 里,就当着玩。 上个周一,他又这么干了,结果这一次,那一个聊天机器人吐出来的东西,看起来像是一个答案。而那道题,是全世界最聪明的数学家,整整被卡住了六十年的一个问题。斯坦福有一个数学家,他想拿这道题当他的博士论文,结果也被卡住了,卡在了跟所有人一模一样的地方。 那后来你猜怎么着?陶哲轩就是那个活着的数学专家亲自出来说啊,这个结果是正确的。一个二十三岁没学过高岛数学的年轻人,用一条提问就把这一道卡了六十年的题给解开了。 考试学院他是这么解释的,他说这道题其实所有人在第一步就走偏了一点点,而且就偏了一点点,六十年就没再绕回来。而这个 ai, 他 用了一个公式,这个公式在数学的隔壁领域是非常有名的,但这六十年来,没有一个人会想到,能把这个公式应用到这道题上, 就是逃出学,这叫做六十年的思维定式。听下来,你可能觉得数学离我们很远,那我换一个说法,其实新要研发电池技术,还有普通到你手机里的密码,你网页的每一笔交易,全部都卡在了数学问题上。 如果 ai 能够看到人类集体看到了六十年的那条路,那你想想这意味着什么?最后再回到那个叫利亚姆的年轻人,二十三岁,普普通通一个周一的下午,这么黏贴,随手的这么一个黏贴,六十年没解开题,就这么给攻破了。 其实生活中还有很多这样的六十年思维定势,正卡在化学、物理、生物以及经济学里,而打破它的可能再也不会是人类。好,今天就分享到这里,记得点赞关注小鹿,咱们下期再见!