關於利用LLM來幫助證明難題（納維-斯托克斯方程式的存在性和唯一性、P≠NP等…） 讀到這裡 https://t.co/tOvR1LbfZ6 關於DeepMind的一些成員使用人工智慧來幫助證明納維-斯托克斯方程式存在性和唯一性定理reddit.com/r/singularity/…學碩士的幫助下證明這個定理。 https://t.co/uPCZ9GRnz5 這個證明想法是我的——基本上是利用從HJB方程式（我最近在人工智慧工作中經常使用）到納維-斯托克斯方程式的映射，從而將HJB方程式的存在性和唯一性結果映射到納維-斯托克斯方程式。但細節相當複雜，我實在抽不出時間自己去推導，而LLM（邏輯推理小組）幫了我很大的忙。 話雖如此，這些都是棘手的問題，我不能百分之百確定沒有差距……我之前把這件事擱置了，因為開發通用人工智慧（AGI）似乎更重要。我考慮過把它做成一個完整的精實解決方案，但一直沒時間處理… 大約在同一時間，我還利用 LLM 的一些幫助，完善了我關於如何使用量子弱性的變體來證明 P/=NP 的想法的細節（量子弱性是我在 AGI 工作中開發的一種概念/數學工具，它推廣了 Michael Timothy Bennett 的弱性概念，作為傳統奧卡姆剃刀的替代方案）。 https://t.co/vKP3grPtbV 再次強調，實現通用人工智慧非常耗時，我還沒有時間進行完整的形式化（當然，邏輯線性模型在這方面也很有幫助…），而且就像任何複雜的證明一樣，可能存在我沒有看到的漏洞… 我之前一直沒公開談論這些工作，是因為我想等一切都完全規範化和核實之後再說，但既然其他人也在做類似的事情，那好吧，隨他們吧… 我研究這些高難度數學問題的部分目的（我的博士專業是數學，但我很快就轉向了人工智慧）是思考如何有效地利用我們的 Hyperon 原型通用人工智慧系統作為邏輯邏輯模型（LLM）的「控制器」來完成這類工作。也就是說，這類工作需要一個思維開闊、富有創造力的頭腦來提出證明思路，一個邏輯邏輯模型負責處理細節，然後由精益或其他整合測試流程（ITP）框架進行全面的形式化驗證。我希望 Hyperon 在這裡扮演的角色是「思維開闊、富有創造力的頭腦」…但在我剛剛發布的這些嘗試性證明中，扮演這個角色的是我，而不是 Hyperon ;)
正在載入線程內容
正在從 X 取得原始推文，整理成清爽的閱讀畫面。
通常只需幾秒鐘，請稍候。