物理学诺奖是给科学还是工具？戴维·格罗斯认为当前大模型被严重高估。 "五年之内，AI能不能证明人类没有证明的猜想或者公式？比如三体问题、黎曼猜想或是流体力学问 题。" 今年5月时，中国工程院院士张亚勤透露，自己去年和中国科学院外籍院士、知名数学家丘成桐先生就 这个问题打了赌。张亚勤认为，AI在五年之内会证明一个公式或猜想，再过五年会发明一个人类可能 没有的公式。丘成桐却认为，AI还做不到。 两个月后，相似的问题又抛给了2004年诺贝尔物理学奖获得者、美国国家科学院院士、中国科学院外籍 院士戴维·格罗斯（David Gross），他直言这"难以想象"。 在一场搜狐董事长张朝阳与戴维·格罗斯的对话中，戴维·格罗斯认为，当前AI大模型被严重高估，它学 会了模仿人类，如果数据库找不到答案，它们会编造一个听起来不错的说法，但无法验证也不在意真 假，实际效果只"会取代那些只会说漂亮话的人"。 尽管对当前的人工智能保持审慎态度，但谈及算力的爆炸式增长，格罗斯教授承认算力发展极大地助力 了理论物理研究。 格罗斯教授回忆，四十年前，科学家们只能依赖计算尺进行人工运算。这一局限直接体现在QCD（量 子色动力学）理论的研究中——尽 ...

闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 1900年，数学大师希尔伯特提出23个数学难题，其中第六个问题——"物理学的公理化"，被称为数学物理的终极挑战。 125年后，北大校友邓煜、中科大少年班马骁与陶哲轩高徒扎赫尔・哈尼终于在这一问题上取得重大突破。 在20世纪，关于第六问题，希尔伯特追问： 能否像欧几里得几何一样，为物理学构建严格的数学基础？ 因涉及从微观粒子动力学到宏观连续介质的多尺度关联，这个问题证明起来非常困难。 在微观层面，气体由无数粒子组成，单个粒子运动服从牛顿力学 （时间可逆） 。 在宏观层面，气体的统计行为由玻尔兹曼方程描述 （时间不可逆，趋向熵增） 。 该问题的核心目标是从弹性碰撞的硬球粒子系统出发，严格推导出流体力学的基本偏微分方程，完成希尔伯特第六问题中从原子论到连续介质 运动定律的推导程序。 解决该问题要分两步走，先通过 "动力学极限" 从牛顿定律推导出玻尔兹曼方程，再通过 "流体动力学极限" 从玻尔兹曼方程推导出流体方程。 如何从可逆的微观规律，演化出不可逆的宏观行为？ 125年来，无数数学家在此领域折戟沉沙。 爱因斯坦的广义相对论、量子力学的数学框架虽部分实现了公理化 ...

"没课的情况下，我会一直在这里搞学术研究，乐在其中。"5月22日，在鄂尔多斯应用技术学院内蒙古 大飞机学院办公室，夏前锦对记者说道。 毕业于清华大学航天航空学院流体力学专业的夏前锦，在完成博士阶段的学习后，于2019年和爱人一起 来到鄂尔多斯应用技术学院，参与内蒙古大飞机学院的筹建工作。目前他是该学院的航空系教授、机械 工程专业(机务方向)专业带头人。 "我喜欢学校里相对简单和自由的工作环境，所以毕业后，从一个'象牙塔'来到另一个'象牙塔'。这份工 作让我有机会感受年轻学子们的思想活力，能够帮助和引导他们成长，让我很有成就感。"夏前锦告诉 记者。 得益于鄂尔多斯市的人才政策，以及鄂尔多斯应用技术学院对高层次引进人才的重视，夏前锦几乎没有 太多的"水土不服"，很快便进入工作状态。 从事流体力学及航空发动机研发相关工作的他，目前，已发表研究论文10余篇，公开发明专利2项，授 权实用新型专利2项。 中新网鄂尔多斯5月22日电 题：清华博士在鄂尔多斯"象牙塔"育人记 中新网记者李爱平 夏前锦的一天工作是从进入办公室开始的。他惯常的动作是开启电脑、打开网页，翻阅办公桌右侧的一 本物理书。他的杯子虽灌有热水，可一旦进入工 ...

金磊 发自 凹非寺 量子位 | 公众号 QbitAI 史上首位获得阿贝尔奖（数学界诺奖）的应用数学家 Peter Lax （彼得·拉克斯）逝世了，享年 99岁 。 或许你对这个名字不太熟悉，但你很可能学过他编写的那个经典教材—— 《泛函分析》 。 纵观他的一生，拉克斯可以说是站在理论数学和应用数学 交叉点 的巨匠。 同时，他也是 最早将计算机技术应用于数学分析的先驱之一 。 拉克斯所提出的众多经典理论和方法，至今仍然广泛地应用于科学研究和工程实践中。 不仅如此，除了那本耳熟能详的《泛函分析》之外，他所编写的很多教材也被莘莘学子们所青睐。 包括 《微积分及其应用》 、 《线性代数及其应用》 等等。 用网友的话来评价就是： 能把分析的知识写的像给大众的科普读物一样，也就是数学大师的功力了。 值得一提的是，今年5月1日拉克斯刚刚过完他99岁的生日，阿贝尔奖官方亲自发文祝贺，并给予了这样的评价： 拉克斯在将纯数学和应用数学结合在一起方面表现突出。 他的影响深远，不仅体现在他的研究，还体现在他的著作、他对教育的终身承诺以及他对年轻数学家的慷慨。 对此，《纽约时报》在讣告中评价他为"重新定义了数学在计算机时代的角色"，而 ...

张亚勤的观点是，AI不一定真理解，但是现在来看，任何有规则的、有答案的、有结构化的，人工智 能都会超过人类，如下棋，编码，语言。但有一些比较模糊的东西，AI就会差一些。像波粒二象性这 样的，即使AI不理解，它仍可以做出很多创新，给人类提供更多的灵感。 而在猎豹移动董事长傅盛看来，在结构化、规则化的领域，AI凭借强大的计算能力和模式识别能力， 能够快速完成推理与验证。可以说在语言认知推理层面，AI已经相当强，几乎在每个领域没有明显短 板。但在物理层面或者说具身层面，AI要真正实现理解还要很多年。 清华大学基础科学讲席教授、心理与认知科学系主任刘嘉预计，如果AI真的在人类未知的领域，没有 借助人类过去已有的积累，天马行空地从0到1做出来东西，这就是AI真正智能诞生的时间，也就是大 家所说的"理解"。 尽管对于AI未来的科学突破表示乐观，但张亚勤也提到，现在AI、人脑的区别依然很大。人类大脑经 过几十万年的进化，效率十分高，比如860亿个神经元，百万亿级的突触，只有不到3斤重，消耗20瓦的 能耗。再看前沿大模型，基本上万亿级的参数，需要超高的算力和能耗。如果把大脑作为一个参数权 重，大模型还差100倍，整个效率和架 ...