Zvláště souhlasím s názorem Tao Zhexuana: nejvhodnějším využitím umělé inteligence v této fázi není přímé použití nejvýkonnějších modelů umělé inteligence k překonání nejobtížnějších matematických problémů, ale použití rozsáhlejšího a praktičtějšího využití, možná použití těch nástrojů umělé inteligence se středním výkonem, které matematikům pomohou urychlit dokončení těchto každodenních únavných, ale nezbytných úkolů základního výzkumu. Před několika dny jsem slyšel člověka z CVS sdílet, že lékárny CVS jsou velmi zaneprázdněné, ale většinu času se ztrácí na některé zdlouhavé věci, jako je počítání pilulek, protože počet tablet pro každého pacienta je jiný a jsou potřeba dva profesionální lékárníci, jeden je zodpovědný za naplnění stanoveného počtu tablet do lahvičky s lékem a druhý je zodpovědný za ověření, zda je počet tablet v lahvičce správný. Nedávno tedy použili AI + roboty k automatizaci tohoto procesu, čímž uvolnili lékárníky pro důležitější věci. Moje každodenní používání umělé inteligence je podobné, nemusí mi nutně pomoci vyřešit mnoho technických problémů, ale mohu použít umělou inteligenci k vývoji některých gadgetů nebo přímo používat specifické výzvy, které mi pomohou dělat spoustu únavné práce, což může výrazně zlepšit mou celkovou efektivitu. --- Viz komentáře k původnímu překladu

Tao Zhexuan: Některé z mých myšlenek o nedávném využití umělé inteligence v oblasti matematiky V poslední době stále více cítím, že nejefektivnější aplikace umělé inteligence (AI) v oblasti matematiky v krátkodobém horizontu nemusí nutně znamenat přímé využití nejvýkonnějších modelů umělé inteligence k překonání nejobtížnějších matematických problémů. Samozřejmě, že občas vidíme některé obzvláště úspěšné případy, ale často jsou dosaženy s velkým množstvím výpočetních zdrojů a úsilím špičkových odborníků. Skutečně širším a praktičtějším využitím může být použití nástrojů umělé inteligence se středním výkonem, které matematikům pomohou urychlit dokončení těchto únavných, ale nezbytných úkolů základního výzkumu. Tyto zdánlivě obyčejné úkoly by mohli splnit lidští odborníci, ale vyžadovalo by to více času a úsilí. To je ale ve skutečnosti hlavní výhoda aplikací AI, nikoli chyba. Protože lidští odborníci nashromáždili bohaté zkušenosti a intuici, mohou rychle a přesně určit, zda je výstup umělé inteligence spolehlivý, a bezpečně jej integrovat do svých vlastních výzkumných procesů. Jednoduchý příklad: rešerše literatury. Matematici obvykle potřebují před studiem problému konzultovat mnoho existující výzkumné literatury. Pokud by problém již měl uznávané jméno a existovala by aktivní výzkumná komunita, stačily by stávající vyhledávače a akademické databáze. Matematici potřebují pouze začít s důležitým článkem a hledat dopředu a dozadu v citačním řetězci, aby rychle pochopili postup výzkumu problému. Mnohokrát se však stává, že výzkumný problém nemá jednotný název a vědci v různých oborech mohou být v silech. Relevantní literatura je roztroušena v různých časopisech, konferencích a knihách a citace jsou neuspořádané. Někdy článek zmiňuje jen malou část problému, smíchanou se spoustou irelevantního obsahu. V této situaci je obzvláště obtížné najít skutečně hodnotnou literaturu: možná budete muset hledat články a opakovaně je procházet a možná je budete muset číst dlouho, abyste zjistili, že nemají nic společného s vašimi problémy. Jakmile je však relevantní článek nalezen, odborníkovi stačí se na něj jen rychle podívat, aby okamžitě zjistil, zda článek přispívá k aktuálnímu problému. Díky této schopnosti rychlého ověřování je umělá inteligence obzvláště vhodná pro vyhledávání literatury (za předpokladu, že výzkumní pracovníci mají příslušné odborné znalosti k nezávislému posouzení kvality dokumentů). Zejména když výzkumníci potřebují věnovat pozornost více výzkumným otázkám současně, jsou výhody používání umělé inteligence ještě zřejmější. V tomto scénáři nemusí být umělá inteligence 100% přesná, pokud je úspěšnost dostatečně vysoká, celková efektivita bude mnohem vyšší než u tradičních metod. Výzkumníci navíc stráví nějaký čas učením se, jak efektivně používat nástroje umělé inteligence, a při opakovaném používání mohou postupně snižovat náklady. V poslední době se v matematických kruzích odehrál velmi typický příklad: Slavný matematik Paul Erdős položil během svého života mnoho zajímavých matematických problémů. V současné době je na webu Erdősovy problémy, který tato čísla shromažďuje a organizuje, více než tisíc čísel, z nichž asi 600 je označeno jako "otevřené". Ačkoli některé problémy byly široce studovány, existuje také mnoho relativně nepopulárních problémů a je obtížné posoudit, zda existuje řešení založené pouze na jednoduchém ručním vyhledávání. V posledních dnech začali někteří výzkumníci systematicky využívat nástroje umělé inteligence, které jim pomáhají vyhledávat relevantní literaturu. Výsledky výstupu AI nezveřejňují přímo na webových stránkách, ale před komentováním nebo komentováním je nejprve ručně ověřují a potvrzují, že jsou platné. Během několika dní se podařilo najít řešení nejméně 6 problémů pomocí této metody "vyhledávání literatury s pomocí umělé inteligence + ruční potvrzení". Tyto problémy byly původně označeny jako "nevyřešené" a nyní byl stav změněn na "vyřešeno". Například: otázka 339, otázka 1043, otázka 494, otázka 621, otázka 822, otázka 903. Stále existuje tucet otázek, které zůstávají nevyřešeny, ale příslušná literatura byla úspěšně získána a po ručním potvrzení přidána do komentářů na stránce problému. I když ne každý komentář výslovně uvádí použití umělé inteligence, výrazný nárůst počtu těchto komentářů v krátkodobém horizontu naznačuje přínos umělé inteligence. Další potenciální výhodou tohoto nástroje umělé inteligence je, že může přirozeněji hlásit "negativní výsledky". Obecně lze říci, že pokud výzkumníci provedou rešerši v literatuře a nic nenajdou, obvykle to nenahlásí, pravděpodobně proto, že se obávají, že by to bylo trapné, kdyby přehlédli důležitý článek. Toto mlčení ve skutečnosti vede ke spoustě zbytečných duplikací práce - různí badatelé mohli strávit spoustu času hledáním dokumentů, které neexistují, nebo se mylně domnívají, že problém nebyl vyřešen, ale ve skutečnosti nikdy neprovedli seriózní rešerši literatury. Při používání nástrojů umělé inteligence k systematickému zpracování rozsáhlých úkolů vyhledávání literatury jsou výzkumníci přirozeně ochotnější takové "negativní výsledky" veřejně informovat. Například: "Nástroj umělé inteligence prozkoumal celkem 36 otázek, z nichž 24 (66 %) našlo novou platnou literaturu a dalších 12 (33 %) vrátilo pouze známé nebo irelevantní výsledky." Tento otevřený a transparentní přístup umožňuje celému akademickému kruhu jasněji vědět, jaký je aktuální stav výzkumu v určité problematice, a také se vyhne spoustě zbytečného zdvojování práce. Celkově vzato, v oblasti matematického výzkumu může být v krátkodobém horizontu nejefektivnějším způsobem využití umělé inteligence tento základní úkol, který je pro lidské odborníky poněkud "obyčejný", ale pro výzkumnou práci zásadní. Umělá inteligence zde nehraje roli supergénia, ale akcelerátoru efektivity. Může pomoci výzkumníkům uvolnit více cenné energie z nudných základních záležitostí a lépe se věnovat oblastem, které skutečně potřebují inovace a hluboké přemýšlení.