三年前，我们或许可以用一幅独角兽图画来展示人工智能的前沿技术。而今天，我们可以用触及科学前沿的人工智能成果来做到这一点：https://t.co/ALJvCFsaie 请查阅该文档，自行判断人工智能辅助科学加速的现状，并希望从中汲取一些灵感！
长话短说，我只简单讨论一下最后两部分：我们让一个搭建好的 GPT-5 去解决不到 10 个问题，其中包括我和 Linial 在 2013 年提出的一个猜想，以及一个 COLT 2012 年的未解问题。经过两天的思考，它竟然给出了……2012 年和 2013 年问题的完整解决方案！！！
需要说明的是，这些结果的范围很窄：少数专家可能只花了几个星期的时间思考这些问题。我们讨论的并非黎曼猜想或朗兰兹纲领！但即便如此，我认为这仍然非常令人印象深刻。顺便一提，我们也确实包含了一个针对埃尔德什问题的全新解决方案 :-) （这更像是人工智能与人类的合作，详见 Mehtaab Sawhney 和 @MarkSellke 撰写的 IV.1 节）。 我不得不提一下克里斯蒂安·科斯特（Christian Coester）在凸体追踪问题上取得的另一项非常酷的AI-人类合作成果，这个问题正是我非常感兴趣的。他们利用GPT-5证明了π/2是二维凸体追踪问题的下界（参见附件中GPT绘制的精美图示，了解其构建过程）！ 最后，我相信你们中的许多人都会非常喜欢@wtgowers撰写的关于他如何在研究中使用GPT-5的那部分内容。它真的非常鼓舞人心。 这篇论文除了数学部分之外，还涉及其他内容。我邀请您查看 @ALupsasca 的帖子了解物理部分，查看 @DeryaTR_ 的帖子了解生物学部分！
看到这里，你可能会想，GPT-5 是如何做到这一切的？ 简单的： ...
不过说真的，我们知道这篇论文篇幅很长，技术性也很强，但我们认为这种深度对于就人工智能在科学领域的现状以及未来的发展方向进行深入探讨是必要的。 https://t.co/ALJvCFsaie