陶哲轩 – 开普勒、牛顿和数学发现的真正本质

原文作者：Dwarkesh Patel

原文来源：https://www.youtube.com/embed/Q8Fkpi18QXU

我们以开普勒发现行星运动定律的绝对巧妙且令人惊讶的方式开始这一集。人们有时会说，由于严格的验证循环，人工智能将在科学发现方面取得特别快的进展。但我们如何发现太阳系形状的故事表明，正确想法的验证循环可能长达数十年（甚至数千年）。在此期间，我们今天所知道的更好的理论实际上往往会做出更糟糕的预测（哥白尼围绕太阳的圆形轨道模型实际上不如托勒密的地心模型准确）。它在这个认知地狱中幸存下来的原因是判断和启发式的混合，我们甚至还没有充分理解这些判断和启发式的内容，无法真正清晰地表达出来，更不用说将其编入强化学习循环中了。希望您喜欢！ 𝐄𝐏𝐈𝐒𝐎𝐃𝐄 𝐋𝐈𝐍𝐊𝐒 * 文字记录：https://www.dwarkesh.com/p/terence-tao * Apple 播客： 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 𝐒𝐏𝐎𝐍𝐒𝐎𝐑𝐒 - Jane Street 喜欢用不同的创意谜题挑战我的观众。我的一位听众 Shawn 解决了 Jane Street 的 ResNet 挑战，并在 X 上发布了精彩的演练 (https://x.com/hynwprk/status/2026376546286711206)。如果您想亲自尝试其中一个谜题，请访问 https://janestreet.com/dwarkesh - Labelbox 可以为您提供基于评分标准的评估，无论您在哪个领域。这些规则允许您就您关心的所有维度向模型提供反馈，这样您就可以训练它的思维方式，而不仅仅是它的思维方式。无论您专注于数学、物理、金融、心理学还是其他领域，Labelbox 都能为您提供帮助。了解更多信息，请访问 https://labelbox.com/dwarkesh - Mercury 刚刚发布了一项名为 Insights 的新功能。洞察总结了您的资金进出情况，向您展示您最大的交易并指出任何值得关注的事情。这是一种保持业务领先的超低摩擦方式。要了解更多信息，请访问 https://mercury.com/insights 要赞助未来的剧集，请访问 https://dwarkesh.com/advertise。 𝐓𝐈𝐌𝐄𝐒𝐓𝐀𝐌𝐏𝐒 00:00:00 – 开普勒是一位高温法​​学硕士 00:11:44 – 我们如何知道在人工智能垃圾堆中是否存在一个新的统一概念？ 00:26:10 – 演绎悬而未决 00:30:31 – 报道的人工智能发现中的选择偏差 00:46:43 – 人工智能使论文变得更丰富、更广泛，但不是更深入 00:53:00 – 如果人工智能解决了一个问题，人类能否从中获得理解？ 00:59:20 – 我们需要一种半正式的语言来表达科学家之间的实际对话方式 01:09:48 – 特里如何利用他的时间 01:17:05 – 人类与人工智能的混合体将在数学上统治更长时间