🤖 Lex Clips：AI證明定理卻說不出道理，數學遠未解完
⚡ 嘉賓數學家說，自己能證出定理卻講不清證明為何成立，所以不相信AI已解開數學：提問仍由人來做。他舉深度學習為例：模型靠統計捷徑認貓狗，加一點擾動就認錯，和人的方式不同。系統自動發現簡單物理定律的研究今天已有，數學裡是否也有大量可自動發現的簡潔結論？
AI證得出定理卻道不清緣由，恰暴露統計捷徑與人類理解間的深層裂隙，數學的終極提問權仍牢牢握在人手。值得注意的是，數學家以深度學習認貓狗的脆弱性作比，指出人類證明者尚且常感“知其然而不知其所以然”，遑論機器已獨立解開數學；而物理定律的自動發現既已可行，數學中是否也藏有大量可自動挖掘的簡潔結論，便成為新的追問。
Lex Clips：AI證明定理卻說不出道理，數學遠未解完
JustSayAI
今日 Top 3 頭條
- 觀點
Lex Clips：AI證明定理卻說不出道理，數學遠未解完
嘉賓數學家說，自己能證出定理卻講不清證明為何成立，所以不相信AI已解開數學：提問仍由人來做。他舉深度學習為例：模型靠統計捷徑認貓狗，加一點擾動就認錯，和人的方式不同。系統自動發現簡單物理定律的研究今天已有，數學裡是否也有大量可自動發現的簡潔結論？
來源 ↗ - 觀點
Reddit：自建原型工具，把設計系統直接對應生產代碼
Reddit 的 Blair Metcalf 做了內部原型工具 Reddit Proto：把設計系統接成模型可讀的接口，讓設計語言對應生產代碼，再用 Cursor 改。設計師幾分鐘就能做出可分享原型，不用碰 Git。它在 UX 與產品團隊全面用開，700多個原型在跑。
來源 ↗ - 觀點
Palantir CTO：AI缺的不是模型，是擴散到企業
Palantir CTO Shyam Sankar 說，行業對AI擴散關注不夠，注意力大多在模型本身。他觀察到，盯著營收增長而非只壓成本的公司，採用AI更順利；企業該保住自己的超額收益，而非做到中位數。他不滿實驗室拒絕用系統工程的方式做AI安全。
來源 ↗
+8 條頭條
- Ben Thompson：信 Muse 就得接受 Meta 的算力開支
- No Priors：想讓AI代理自主幹活，又得看清它能讀什麼
- Y Combinator：數據出不了門，前沿AI怎麼裝進去
- Bernard Marr：AI愛奉承，壞點子也會被誇好
- Ethan Mollick：談AI回覆的帖子，AI回覆反而最少
- Josh Woodward：Notebook 免費開放700多本教材
- Vinod Khosla：阿爾梅勒這棟房子，每塊磚都靠機器人
- Logan Kilpatrick：Carbon 先向網絡安全防禦者開放
節目精彩片段
我記住的更簡單：只要人類還在問為什麼，工作就還沒丟。但誰也不敢保證我們能問到什麼時候。