【辟谣】破解世界数学难题！GPT-4 得出P≠NP？

最新推荐文章于 2024-06-18 18:11:36 发布

「已注销」

最新推荐文章于 2024-06-18 18:11:36 发布

阅读量264

点赞数 4

分类专栏：计算机前沿科技文章标签：人工智能机器学习 gpt 深度学习论文阅读 chatgpt

本文链接：https://blog.csdn.net/m0_73829157/article/details/134101879

版权

计算机前沿科技专栏收录该内容

2 篇文章 0 订阅

订阅专栏

欢迎来到遮面科技！

对于P/NP问题，相信大家或多或少都有所耳闻。它是千禧年大奖难题的一部分，七大难题包括庞加莱猜想和黎曼假设等。如果有人能解决这个问题，他们将获得克雷数学研究所提供的高达上百万美元的奖金。

P/NP 问题于 1971 年分别由史提芬·古克和列昂尼德·列文提出。多年来，许多人都投入到了该问题的研究之中。但有人认为，P/NP 的解决可能需要至少 100 年的时间。近年来，虽然不乏有人声称已经证明了P等于或不等于NP，但这些证明过程都存在漏洞。到目前为止，这个问题仍未得到解答。

现在，随着 AI大模型的快速迭代，有研究开始尝试使用 AI 技术来解决这些世界难题。前段时间来自微软研究院、北京大学、北航等机构的一篇论文被舆论推上风口浪尖。

根据论文中的描述，他们提出了一个能使 LLM 进行深入思考并解决复杂问题的通用框架：苏格拉底推理（Socratic reasoning）。基于该框架，LLM 可以递归地发现、解决并整合问题，同时还能进行自我评估和完善。并用GPT-4 成功地生成了一个证明模式，然后在 97 轮对话中进行了严格的推理，最终得出P≠ NP的结论。

文中表示，他们之所以将框架命名为苏格拉底推理，顾名思义就是受到了古希腊哲学家苏格拉底的启发。苏格拉底曾经说过：我无法教给任何人任何东西，我只能引导他们去思考。该框架的设计思想与此一致，其目标是提供一种通用的问题解决框架，让大语言模型能够在广泛的解决方案空间中进行有效的探索和选择。

如论文中的表格所示，苏格拉底推理有五种提示模式：演绎（deduction）、变换（transformation）、分解（decomposition）、验证（verification）、融合（integration）。这些模式被用来发现新的见解和观点，将复杂的问题分解成子问题或小步骤，并通过挑战相应答案来进行自我改进。

在较小问题的情况下，LLM可以直接给出推理结果，此时应采用演绎模式（例如使用提示语“让我们一步一步思考”）来引导LLM直接得出结论。对于更加复杂的问题，论文中首先要求 LLM 将问题转化成一个新问题或将其分解为几个子问题，然后递归地执行这些模式，直到达到原子问题。当产生新的问题或得出新的结论时，再采用验证模式并利用 LLM 的自我评判能力进行验证和完善。最后，融合模式要求 LLM 根据子问题的结果综合得出结论，激励 LLM 通过一系列对话递归地继续上述过程，直到解决目标问题。

在这项工作中，苏格拉底推理为具有挑战性的问题提供了系统的提示框架，为完成这项实验总共与GPT-4进行了 97 轮对话。例如第一个问题：你能找到 P≠NP 背后的根本问题吗？从哲学的角度，而不是从计算机理论的角度。

在这个提示中，其技巧在于鼓励模型进行创造性回答，避免无效检索。比如，如何证明 P≠NP这样的提示可能会引导大模型进行检索，但在用上苏格拉底推理中的转换模式后，就可以生成更具创新性的回答。

对于这个问题，GPT是这样回答的：P≠NP问题背后的基本哲学问题，可以看作是创造力、直觉和洞察力（通常与NP问题相关）与系统化、算法和确定性方法（与P问题相关）之间的矛盾。如果P=NP，那就意味着宇宙有一种基本的简单性，表面上看似复杂的问题实则都有高效、优雅的解决方案。

看来，GPT-4对P≠NP理解得很透彻，在此基础上，研究者开始第二个提问：是否所有表面上看似复杂的问题都有高效、优雅的解决方案？如果不是，可以用什么方法来证明？

GPT-4回答说，并非所有表面看来复杂的问题都有高效、优雅的解决方案，这可以归因于多种因素，比如所涉及变量的数量、变量之间关系的性质，或问题本身的内在难度。然后，它提出了六种方法，其中一种是矛盾证明，即要证明一个问题没有高效、优雅的解决方案，可以假设存在这样的解决方案，然后证明这一假设会导致矛盾，这样就可以有力地证明某些解法不可能存在。

可以看到，GPT-4在回答问题过程中，真的像人类一样拥有思辨能力。紧接着，研究人员就趁热打铁继续向问题中心引导，直到在最后一轮对话中给出结论 P≠ NP。

乍一看，整个证明过程好像没有什么问题，且提出了一些比较新颖的思想，与GPT的对话过程也都非常清晰。但吃完瓜擦完嘴，其最大的问题也恰恰因为GPT。在整个对话中，不乏有一些诱导GPT的成分，所以其科学价值也可能大打折扣。

在论文发出之后也出现了很多质疑的声音。在此我用两个最原则来挑选出大模型社区huggingface里面的几段评论。

首先是字数最多的评论。该评论开门见山就说明了论文很可能具有误导性和不正确性，请谨慎行事并做出良好的判断，并连用3个不可能是真的来支撑他的观点。

然后是点赞最多的评论。评论者说应该持保留态度，该证明没有解决 P / NP 时必须遇到的已知障碍，例如需要解决的较弱的复杂性理论等，并附上多年前的一篇名为“声称的 P≠NP 证明是错误的八个迹象”的文章。

学术乌龙事件屡见不鲜，例如今年的韩国室温超导LK99事件就引发了科学界乃至社会上的广泛关注。这些学术乌龙事件的背后可能有着各种原因，但不论是有意而为之还是纯属巧合，其所带来的辟谣成本和社会影响都将是负面的和巨大的。学术界作为掌握尖端科技的圈层，在我们普通大众的眼里都具有很高的权威性和专业性。但是在互联网越来越发达的时代，这种学术出圈乱象所造成的影响正通过社交媒体在不断扩散，如果没有得到妥善处理，这无疑对于学术生态的可持续发展是非常不利的。

最后，我想再借用孟子的一句话：车无辕而不行，人无信则不立。不论是学术大佬还是普罗大众，投机取巧难走远，诚信为本很艰难，但要相信人间正道是沧桑。

非常感谢您的点赞关注哦！我是遮面，我们下期再见！