杰出讲座回顾：Bart Selman教授谈人工智能如何加速科学与数学发现

2024年11月19日，康奈尔大学工程和计算学院的 Bart Selman 教授受邀来访北京大学前沿计算研究中心，并做了题为“Mathematical and Science Discovery – A new frontier for AI”的特邀讲座，介绍了深度学习正在给数学和科学领域带来的深度变革。此次报告由中心助理教授王鹤老师主持。

Bart Selman 教授以数学和科学发现为切入点，深入探讨了人工智能（AI）的前沿发展。他从其专业领域——自动推理（automatic reasoning and inference）出发，指出该领域近期因大语言模型（LLM）推理能力的崛起而受到广泛关注。在此次讲座中，Selman 教授带领听众探讨了一个核心问题：我们能否利用现有 LLM 的推理能力实现自动化推理？

人工智能的发展时间线

Selman 教授首先从历史维度回顾了他眼中的人工智能发展历程，并将其划分为五个阶段：

第一阶段（1959-1995：探索期）
这一阶段是公式主义的发展期，尽管人工智能面临炒作与期待落差，但仍奠定了许多基础技术，例如 Geoffrey Hinton 在1984年提出的反向传播（Back Propagation）算法。教授强调，这些早期成果为后续 AI 的发展提供了坚实基础。

第二阶段（1990年代后期：上升期）
标志性事件包括1997年 IBM 的“深蓝”击败国际象棋大师卡斯帕罗夫（Kasparov），以及2005年在人工环境中首次出现的自动驾驶技术。这一阶段让人们开始意识到计算机也能展现创造力。

第三阶段（2011-2016：感知能力提升）
深度学习在此阶段大放异彩。例如，2011年语音识别技术的突破，2012年 ImageNet 推动图像识别发展，以及2015年微软实时翻译的推出。

第四阶段（2016-2023：深度强化学习）
这一时期涌现了诸多经典工作，包括2016年的 AlphaGo、2017年的 AlphaZero 以及2021年 AlphaFold，它们推动了 AI 在科学领域的实际应用。

第五阶段（2023年至今：深度学习变革）
ChatGPT 等通用人工智能（AGI）的出现标志着语言领域实现了 AGI 的初步突破。

教授在现场进行了一个有趣的调查：有多少人认为 ChatGPT 真的能够理解人类语言？反对者包括著名的图灵奖得主 Yann Lecun，支持者包括新晋诺贝尔物理学奖得主 Geoffrey Hinton。结果现场支持反对比例大约是60%比40%，Selman 教授指出在美国计算机科学家群体做过类似的调查，其结果也很接近70%比30%。他总结到，拥有工程师思维的人会看到各种现实的问题从而倾向于否定此观点，而 Hinton 教授作为一个心理学家持有更乐观的态度。

人工智能辅助科学发现的三个案例

Selman 教授随后着重探讨了人工智能在数学和科学发现中的应用，并通过三个经典案例说明 AI 如何加速科学进步。

难以理解的真相——埃尔德什差异猜想
Erdos 猜想提出，+1和-1组成的任意长序列都会变得不平衡。这一问题在2014年被证明：存在长度为1160的序列，其差异不超过2，但不存在长度为1161的序列满足此条件。研究团队使用 SAT 求解器结合推理方法解决了这一问题，并生成了超过十亿步的自动化证明。这展示了 AI 在数学领域发现“数学暗物质”的潜力。

脆弱的链条——DeepSokoPlan
Selman 教授将数学证明类比为复杂的计划问题，每一步需紧密配合前一步。他预测，通过扩大算法能力，未来可能实现自动化算法和数学发现。他也承认，这仍是未来的目标，但其潜力令人期待。

隐藏的晶体——数据与知识的结合
材料科学中，从 X 射线衍射图推断晶体结构是一个长期挑战。人工智能通过结合深度学习与已知物理规则，大幅缩短了这一过程，从过去的数年时间缩短至数分钟，展现了 AI 在科学发现中的巨大潜力。

未来AI与数学结合的研究方向

在讲座结束时，Selman 教授总结了未来 AI 在数学领域可能的重要发展方向：

报告结束后，现场气氛热烈进行了热烈的讨论，教授回答了很多有趣且有前瞻性的话题，最后王鹤老师向 Selman 教授赠送中心纪念品，活动圆满结束。

图文 | 魏松林