关于Astra和数学的两个关键更新

首先，抽象所有词语在我昨天对OpenAI Astra的长篇分析中总体来说，Astra可能并不是OpenAI想让你以为的那种突破。我表达了对他们对自己所做事情透露得太少的担忧。

而且，我觉得我没强调过，我们都知道他们正面临巨大的经济和竞争压力;他们需要一场胜利。我常常觉得他们面向公众的传播更像是营销，而非科学。

在我发完帖子几个小时后，我下巴都快掉了，读到这里莱文特·阿尔波格一位在Anthropic工作的杰出数学家：

一Anthropic的（显然很聪明）的人在24小时内“复制”了OpenAI一半的结果（考虑到OpenAI对实际工作的报告非常稀少，他能做到的）。而且不是用Astra或其他新型号，而是已经公开发布的《Fable》。

我对此有过几种反应。

a.Alpöge快速的部分复制让我怀疑OpenAI真正的进展是否是通过人工智能进行发现哪些未解决问题适合采用某种搜索和验证技术.OpenAI的Noam Brown承认，虽然细节不多，但也承认其他部分（甚至许多）项目存在失败：

遗憾的是，OpenAI并未报告他们尝试并失败的问题。他们给了我们一个没有分母的分子，这总是令人担忧的信号。

这并不影响OpenAI的成就——如果系统解决了许多未解决的问题，那已经非常了不起了——但这再次引发了关于范围的疑问：全是数学？某个特定子集的问题可以用特定方式搜索？

也许一旦这个子集被标记，很多系统就能做到。这正是莱文特·阿尔佩格部分复制所显示的。

而且，最关键的并不是Astra本身的创新，而是（很可能来自人类）进行这次特定搜索的想法。

b.阿尔珀格的快速部分复制削弱了普遍认为Astra是重大突破的假设。Astra显然在某种程度上是进步，但这种进步相较于其他近期车型可能只是渐进式的。

与此相关，我很感兴趣地阅读了信息今天早上，OpenAI还没决定是把Astra（内部代号）叫GPT 6还是GPT 5.7。如果OpenAI真的认为Astra是一次质的飞跃，我怀疑这会是个难以抉择的事。

Astra在开放式现实问题上的表现还有待观察。

§

其次，这封新信的一位长期读者伊霍尔·戈达（Ihor Gowda）向我推荐了陶哲伦的精彩讲座无论从哪个角度看，都是世界顶尖数学家之一;许多人认为陶该顶尖数学家。

他的讲座清晰、易懂且真正重要。

更何况，你不需要是专业数学家也能阅读它。对于任何思考人工智能如何影响数学的人来说，这本书都应当成为必读之作，强烈推荐给所有关心人工智能对世界影响的人。

他提出的一个问题称之为“消化不良证据”;如果人工智能创造了很多东西，其中很多是真实的，但不一定有用:

陶明明7月26日发表的讲座，写于Astra发布之前，也预示了我昨天提出的另一个关键观点：擅长创造某些类型的证明并不意味着人工智能系统能够实现数学的所有（甚至大多数）目标.他也区分了解决未解问题（Astra似乎擅长解决这方面，可能有一些重要限制）和构建理论（目前没有证据表明Astra能做到这一点）：

陶不是反科技者，甚至不是反人工智能。他对人工智能非常开放，渴望在数学领域找到一席之地。他的讲座这是一本关于如何做到这一点的美丽读物——尽可能深思熟虑地将人工智能引入数学领域。

强烈推荐。

我正努力以最诚实的方式向你更新最新情况，希望你能考虑支持这份通讯。

附言：今日漫画，插图布兰多里尼定律:

正如向我推荐这幅漫画的工程师沃特·弗鲁伊登希尔指出的，诺瓦代斯说：“这就是游戏。”