陶哲軒 – 開普勒、牛頓和數學發現的真正本質

原文作者：Dwarkesh Patel

原文來源：https://www.youtube.com/embed/Q8Fkpi18QXU

我們以開普勒發現行星運動定律的絕對巧妙且令人驚訝的方式開始這一集。人們有時會說，由於嚴格的驗證循環，人工智慧將在科學發現方面取得特別快的進展。但我們如何發現太陽系形狀的故事表明，正確想法的驗證循環可能長達數十年（甚至數千年）。在此期間，我們今天所知道的更好的理論實際上往往會做出更糟糕的預測（哥白尼圍繞太陽的圓形軌道模型實際上不如托勒密的地心模型準確）。它在這個認知地獄中倖存下來的原因是判斷和啟發式的混合，我們甚至還沒有充分理解這些判斷和啟發式的內容，無法真正清晰地表達出來，更不用說將其編入強化學習循環中了。希望您喜歡！ 𝐄𝐏𝐈𝐒𝐎𝐃𝐄 𝐋𝐈𝐍𝐊𝐒 * 文字記錄：https://www.dwarkesh.com/p/terence-tao * Apple Podcast： https://podcasts.apple.com/us/podcast/terence-tao-kepler-newton-and-the-true/id1516093381?i=1000756353875 * Spotify： https://open.spotify.com/episode/24xF8YGra2w3HXZYbhgVKU?si=U5V-SgvSQ8eVIcG2Z86wfQ 𝐒𝐏𝐎𝐍𝐒𝐎𝐑𝐒𝐑我的一位聽眾 Shawn 解決了 Jane Street 的 ResNet 挑戰，並在 X 上發布了精彩的演練 (https://x.com/hynwprk/status/2026376546286711206)。如果您想親自嘗試其中一個謎題，請訪問 https://janestreet.com/dwarkesh - Labelbox 可以為您提供基於評分標準的評估，無論您在哪個領域。這些規則允許您就您關心的所有維度向模型提供回饋，這樣您就可以訓練它的思維方式，而不僅僅是它的思維方式。無論您專注於數學、物理、金融、心理學或其他領域，Labelbox 都能為您提供協助。了解更多信息，請訪問 https://labelbox.com/dwarkesh - Mercury 剛剛發布了一項名為 Insights 的新功能。洞察總結了您的資金進出情況，向您展示您最大的交易並指出任何值得關注的事情。這是一種保持業務領先的超低摩擦方式。要了解更多信息，請訪問 https://mercury.com/insights 要贊助未來的劇集，請訪問 https://dwarkesh.com/advertise。 𝐓𝐈𝐌𝐄𝐒𝐓𝐀𝐌𝐏𝐒 00:00:00 – 開普勒是一位高溫法學碩士 00:11:44 – 我們如何知道在人工智慧垃圾堆中是否存在一個新垃圾堆中是否存在一個新的統一概念？ 00:26:10 – 演繹懸而未決 00:30:31 – 報導的人工智慧發現中的選擇偏差 00:46:43 – 人工智慧使論文變得更豐富、更廣泛，但不是更深入 00:53:00 – 如果人工智慧解決了一個問題，人類能否從中獲得理解？ 00:59:20 – 我們需要一種半正式的語言來表達科學家之間的實際對話方式 01:09:48 – 特里如何利用他的時間 01:17:05 – 人類與人工智慧的混合體將在數學上統治更長時間