ការទាមទារភស្តុតាងរបស់ Claude's Riemann បង្ហាញពីអ្វីដែល Lean ពិនិត្យ និងអ្វីដែលពួកគេបន្សល់ទុក
Levent Alpöge ដែលជាគណិតវិទូនៅ Anthropic បានបង្ហោះកំណត់ចំណាំបួនទំព័រដោយនិយាយថាគាត់ជឿថាគាត់បានធ្វើការជាមួយ Claude បានរកឃើញភស្តុតាងនៃ Riemann Hypothesis និងលក្ខណៈទូទៅរបស់វា ហើយបានបញ្ចេញតែកូដ Lean ប៉ុណ្ណោះ៖ ប្រហែល 17.4 លានបន្ទាត់ក្នុង 175,187 ឯកសារ។
Levent Alpöge ដែលជាគណិតវិទូនៅ Anthropic បានបង្ហោះកំណត់ចំណាំបួនទំព័រដោយនិយាយថាគាត់ជឿថាគាត់បានធ្វើការជាមួយ Claude បានរកឃើញភស្តុតាងនៃ Riemann Hypothesis និងលក្ខណៈទូទៅរបស់វា ហើយបានបញ្ចេញតែកូដ Lean ប៉ុណ្ណោះ៖ ប្រហែល 17.4 លានបន្ទាត់ក្នុង 175,187 ឯកសារ។ គាត់បានបង្ហោះវានៅថ្ងៃសុក្រ ទី 20 ខែវិច្ឆិកា ឆ្នាំ 2026 ហើយវាជាការអះអាង មិនមែនជាភស្តុតាងដែលទទួលយកបានទេ។ គិតត្រឹមថ្ងៃសៅរ៍ ទី 21 ខែវិច្ឆិកា ម៉ោង 17:05 នាទី GMT+7 លោក Andrew Sutherland នៃ MIT បានរាយការណ៍ថា ម៉ូឌុលទាំង 175,187 ដំណើរការជាមួយ Lean v4.33.1 និង Mathlib ថាទ្រឹស្តីបទសំខាន់ៗទាំងប្រាំពឹងផ្អែកតែលើអ័ក្សដ្ឋានស្តង់ដារទាំងបីប៉ុណ្ណោះ (propext, Classical.choice, Quot.sound) ថានុយក្លេអ៊ែរដែលសរសេរដោយឯករាជ្យ nanoda និង con-leche ទទួលយកភស្តុតាងដែលនាំចេញពេញលេញ 61.6 GB (27 នាទី 42 វិនាទី និង 3 នាទី 15 វិនាទី) ហើយរបៀបប្រៀបធៀបរបស់ con-leche ដែលជាការអនុវត្តឯករាជ្យនៃការផ្គូផ្គងសេចក្តីថ្លែងការណ៍របស់ Comparator ទទួលយកទ្រឹស្តីបទទាំងប្រាំ។ ការដំណើរការផ្លូវការរបស់ `lake comparator` និងការលេងឡើងវិញនូវខឺណែល Lean លំនាំដើម និង paranoid លើភស្តុតាងពេញលេញនៅតែបន្តដំណើរការ។ សំណួរចំនួនបួនរបស់ Kevin Buzzard សម្រាប់ AI-generated Lean (តើសេចក្តីថ្លែងការណ៍ត្រូវគ្នាដែរឬទេ តើវាចងក្រងដែរឬទេ តើកូដនេះបញ្ជាក់ទ្រឹស្តីបទដែលបានបញ្ជាក់ដែរឬទេ តើវាទាញយកផលប្រយោជន៍ពីកំហុសខឺណែលដែរឬទេ) បង្ហាញពីអ្វីដែលការត្រួតពិនិត្យនីមួយៗគ្របដណ្តប់។ Sutherland ក៏បានពិនិត្យមើលវិសមភាពរបស់ Robin ដែលជាសេចក្តីថ្លែងការណ៍អំពីផលបូករបស់ឧបករណ៍ចែកដោយគ្មានអនុគមន៍ zeta ដែលអ្នកត្រួតពិនិត្យឯករាជ្យបានទទួលយក។ ការអះអាងទីពីរ គឺសេចក្តីព្រាងភស្តុតាងដែលសរសេរដោយមនុស្សរបស់ Alessandro Masullo អំពីសម្មតិកម្មទូទៅដែលប្រកាសដោយ Ravi Vakil បានទាក់ទាញរបាយការណ៍នៃបញ្ហាដែលបានរកឃើញដោយមានជំនួយពី AI; Vakil មិនធ្វើការអះអាងណាមួយអំពីភាពត្រឹមត្រូវរបស់វាទេ ហើយ Brian Conrad បានប្រាប់ Scientific American ថាវាស្ថិតនៅក្រោមការកែប្រែដ៏ធំ។ Terence Tao បានសរសេរថា ការរំលាយភស្តុតាង Lean-only នឹងចំណាយពេលខ្លះ។ ភាគហ៊ុនរបស់ Anthropic បានបិទនៅ $88.91 នៅថ្ងៃសុក្រ ប្រហែល 8.5 ភាគរយទាបជាងការបិទរបស់ថ្ងៃព្រហស្បតិ៍; The Guardian បញ្ជាក់ពីការធ្លាក់ចុះនេះទៅការលក់បច្ចេកវិទ្យាដ៏ធំទូលាយ ហើយមិនទាញយកការផ្សារភ្ជាប់ទៅនឹងភស្តុតាងនោះទេ។
អានបោះពុម្ពជាលាយលក្ខណ៍អក្សរ (អង់គ្លេស) ↗
អ្វីដែលវីដេអូនេះគ្របដណ្ដប់
- ការចងក្រងភស្តុតាង Lean គឺជាការត្រួតពិនិត្យពិតប្រាកដមួយ៖ Andrew Sutherland (MIT) រាយការណ៍ថា ១៧៥,១៨៧ នៃ ១៧៥,១៨៧ ម៉ូឌុលត្រូវបានចងក្រងដោយគ្មានកំហុស ហើយទ្រឹស្តីបទសំខាន់ៗទាំងប្រាំប្រើប្រាស់តែ propext, Classical.choice និង Quot.sound ប៉ុណ្ណោះ (ទំព័រត្រូវបានធ្វើបច្ចុប្បន្នភាពចុងក្រោយនៅថ្ងៃទី ២១ ខែវិច្ឆិកា ឆ្នាំ២០២៦ ម៉ោង ១០:០៥ UTC)។
- ខឺណែលឯករាជ្យយល់ស្រប៖ nanoda (Rust) បានទទួលយកការនាំចេញ ៦១,៦ ជីកាបៃក្នុងរយៈពេល ២៧ នាទី ៤២ វិនាទីលើ ៨០ ខ្សែស្រឡាយ និង con-leche ក្នុងរយៈពេល ៣ នាទី ១៥ វិនាទីលើ ៦៤ ខ្សែស្រឡាយ; Joachim Breitner នៃសហគមន៍ Lean បានហៅលទ្ធផលថាត្រូវបានត្រួតពិនិត្យយ៉ាងហ្មត់ចត់បំផុត។
- សំណួរចំនួនបួនរបស់ Kevin Buzzard (ការបង្ហោះគម្រោង Xena, ថ្ងៃទី ១២ ខែវិច្ឆិកា) គឺជាបញ្ជីត្រួតពិនិត្យ៖ តើសេចក្តីថ្លែងការណ៍ Lean ត្រូវគ្នានឹងសេចក្តីថ្លែងការណ៍ក្រៅផ្លូវការដែរឬទេ តើកូដដំណើរការដែរឬទេ តើកូដបញ្ជាក់ទ្រឹស្តីបទដូចដែលបានបញ្ជាក់ (lake comparator) ដែរឬទេ តើវាប្រើកំហុសខឺណែល (lake comparator --paranoid ឬខឺណែលឯករាជ្យជាច្រើន) ដែរឬទេ។
- ស្ថានភាពគិតត្រឹមថ្ងៃទី ២១ ខែវិច្ឆិកា ម៉ោង ១៧:០៥ ម៉ោង GMT+7៖ ការដំណើរការ lake comparator ផ្លូវការលើភស្តុតាងពេញលេញ និងការដំណើរការឡើងវិញនៃខឺណែល Lean លំនាំដើម និងខឺណែល paranoid នៅតែបន្តដំណើរការ; ការប្រៀបធៀបសេចក្តីថ្លែងការណ៍ និងការត្រួតពិនិត្យអ័ក្ស៊ីមរបស់វាបានឆ្លងកាត់ក្នុងការដំណើរការមួយ ហើយ con-leche --compare បានទទួលយកទ្រឹស្តីបទទាំងប្រាំ។
- សេចក្តីថ្លែងការណ៍នេះគឺជានិយមន័យ RiemannHypothesis ផ្ទាល់របស់ Mathlib; Sutherland ក៏បានសាកល្បងវិសមភាពរបស់ Robin ដែលមិនដែលនិយាយអំពី zeta ហើយនិយាយថាវាមានប្រសិទ្ធភាពក្នុងការកាត់បន្ថយចន្លោះប្រហោងនៅក្នុងនិយមន័យដែលនៅពីក្រោយសេចក្តីថ្លែងការណ៍ Mathlib ។ ទំព័ររបស់គាត់ក៏បញ្ជាក់ផងដែរថាលទ្ធផលពឹងផ្អែកលើខឺណែល និងលើនិយមន័យរបស់ Mathlib ដូចដែលបានគ្រោងទុក។
- ឯកសារ Lean ដែលចងក្រងមិនពន្យល់ពីគណិតវិទ្យាទេ៖ Alpöge និយាយថា កំណែអត្ថបទដែលគាត់បានបង្កើតមានជាង ២៥០,០០០ ទំព័រ ហើយបានបង្ហោះតែ Lean ប៉ុណ្ណោះ; Terence Tao រំពឹងថាការរំលាយនឹងចំណាយពេល; Scott Aaronson និយាយថា គណិតវិទូនឹងពេញចិត្តនៅពេលដែលពួកគេអាចពន្យល់វាដោយខ្លួនឯង។
- សេចក្តីព្រាងដែលសរសេរដោយមនុស្សប្រកួតប្រជែង (Alessandro Masullo, ប្រកាសដោយ Ravi Vakil) បានទាក់ទាញរបាយការណ៍ដែលជួយដោយ AI អំពីបញ្ហា; Vakil មិនទាមទារអំពីភាពត្រឹមត្រូវរបស់វាទេ ហើយ Brian Conrad និយាយថាវាស្ថិតក្រោមការកែប្រែដ៏ធំ។
- សម្រាប់អ្នកអភិវឌ្ឍន៍៖ អានលក្ខណៈបច្ចេកទេសមុនពេលកូដ សួរថាអ្វីប្រៀបធៀបភស្តុតាងទៅនឹងសេចក្តីថ្លែងការណ៍ និងអ្នកណាជាអ្នកសរសេរសេចក្តីថ្លែងការណ៍ ដំណើរការអ្នកត្រួតពិនិត្យទីពីរដែលសរសេរដោយអ្នកផ្សេង ហើយចំណាំថា hash ឯកសារដែលបានចងក្រងអាចពឹងផ្អែកលើថត build (៩៨,២១៩ នៃ ១៧៥,១៨៧ ឯកសារបង្កប់ផ្លូវ)។
- ឥណទានរូបភាព៖ រូបថត Terence Tao នៅ IPAM's Fireside Chat 2026 ដោយវិទ្យាស្ថានគណិតវិទ្យាបរិសុទ្ធ និងអនុវត្ត, CC BY 4.0, បានកាត់ចេញដោយលុបផ្ទៃខាងក្រោយចេញ; រូបថត Dario Amodei នៅ TechCrunch Disrupt 2023 ដោយ TechCrunch, CC BY 2.0, លុបផ្ទៃខាងក្រោយចេញ; នីមួយៗកំណត់អត្តសញ្ញាណតែបុគ្គលនោះ ឬ Anthropic ហើយមិនបញ្ជាក់ការយល់ព្រម ការដកស្រង់ ឬប្រតិកម្មណាមួយឡើយ; ការថតអេក្រង់ និងការដកស្រង់ពី math.mit.edu, Lean Zulip, alpo.ge, ប្លុក Ravi Vakil និងទំព័រដែលបានដកស្រង់ផ្សេងទៀតត្រូវបានផ្តល់ឥណទានដល់ទំព័រផ្ទាល់របស់ពួកគេ; ការដកស្រង់ស្ងាត់រយៈពេលពីរវិនាទីនៃ GIF corgi "Double checking" តាមរយៈ GIPHY ដែលម្ចាស់រក្សាសិទ្ធិ ហើយដែលមិនបញ្ជាក់ថាគ្មាននរណាម្នាក់នៅក្នុងរឿងនេះបានប្រតិកម្មឡើយ; គំរូ meme Is This A Pigeon តាមរយៈ imgflip។
សំណួរ និងចម្លើយ
តើវាមានន័យដូចម្តេចដែលភស្តុតាង Lean នៃ Riemann Hypothesis ត្រូវបានចងក្រង?
Andrew Sutherland មកពី MIT រាយការណ៍ថា ម៉ូឌុល ១៧៥,១៨៧ ទាំងអស់នៃបណ្ណសារ Lean របស់ Levent Alpöge ត្រូវបានចងក្រងជាមួយ Lean v4.33.1 និង Mathlib ដោយគ្មានកំហុស ហើយថាទ្រឹស្តីបទសំខាន់ៗទាំងប្រាំពឹងផ្អែកតែលើអ័ក្ស៊ីមស្តង់ដារបី propext, Classical.choice និង Quot.sound ប៉ុណ្ណោះ។ ការចងក្រងបង្ហាញថាសេចក្តីថ្លែងការណ៍ Lean អនុវត្តតាមអ័ក្ស៊ីមទាំងនោះទៅតាមអ្នកត្រួតពិនិត្យដែលបានប្រើ។ វាមិនពន្យល់ពីគណិតវិទ្យាទេ ដែលគណិតវិទូមិនទាន់បានរំលាយនៅឡើយ។
តើសំណួរចំនួនបួនរបស់ Kevin Buzzard សម្រាប់ត្រួតពិនិត្យភស្តុតាង Lean ដែលបង្កើតដោយ AI មានអ្វីខ្លះ?
នៅក្នុងការបង្ហោះថ្ងៃទី ១២ ខែវិច្ឆិកា លោក Kevin Buzzard បានរាយបញ្ជីសំណួរចំនួនបួន។ តើសេចក្តីថ្លែងការណ៍ Lean ត្រូវគ្នានឹងសេចក្តីថ្លែងការណ៍ក្រៅផ្លូវការដែរឬទេ? តើកូដដំណើរការដែរឬទេ? តើកូដបញ្ជាក់ទ្រឹស្តីបទដូចដែលបានបញ្ជាក់ ដែលឧបករណ៍ lake comparator ត្រួតពិនិត្យដែរឬទេ? តើវាប្រើកំហុសក្នុងខឺណែលផ្លូវការរបស់ Lean ដែលខឺណែលឯករាជ្យជាច្រើន ឬ comparator ក្នុងរបៀប paranoid ដោះស្រាយដែរឬទេ? គាត់សរសេរថាកូដដែលបង្កើតដោយ AI ត្រូវការការសាកល្បងទាំងនេះមុនពេលការទាមទារភាពត្រឹមត្រូវណាមួយ។
តើ comparator របស់ Lean ត្រួតពិនិត្យអ្វីខ្លះ ហើយតើការដំណើរការរបស់វាលើភស្តុតាង Riemann ស្ថិតនៅទីណា?
Comparator ត្រួតពិនិត្យថាទ្រឹស្តីបទដែលបានបញ្ជាក់នៅក្នុងឯកសារដែលទុកចិត្ត និងទ្រឹស្តីបទដែលបានបញ្ជាក់តាមរយៈការនាំចូលដែលមិនទុកចិត្តគឺដូចគ្នា ហើយថាមានតែអ័ក្ស៊ីមស្តង់ដារប៉ុណ្ណោះដែលត្រូវបានប្រើប្រាស់ (Kevin Buzzard)។ ទំព័រ MIT របស់ Andrew Sutherland ដែលបានធ្វើបច្ចុប្បន្នភាពនៅថ្ងៃទី ២១ ខែវិច្ឆិកា វេលាម៉ោង ១០:០៥ UTC បានរាយបញ្ជីការដំណើរការផ្លូវការលើភស្តុតាងពេញលេញថា នៅតែបន្តដំណើរការ ដោយដំណាក់កាលសេចក្តីថ្លែងការណ៍ និងអ័ក្ស៊ីមរបស់វាបានឆ្លងកាត់ក្នុងការដំណើរការមួយ ខណៈដែលរបៀបប្រៀបធៀបរបស់ con-leche បានទទួលយកទ្រឹស្តីបទទាំងប្រាំ។
តើអ្នកត្រួតពិនិត្យ Lean ឯករាជ្យយល់ស្របលើភស្តុតាង Riemann Hypothesis របស់ Alpöge ដែរឬទេ?
យោងតាមទំព័រ MIT របស់ Andrew Sutherland ខឺណែល nanoda និង con-leche ដែលត្រូវបានសរសេរដោយឯករាជ្យ បានទទួលយកភស្តុតាងដែលបាននាំចេញពេញលេញទំហំ ៦១,៦ ជីកាបៃ ដោយចំណាយពេល ២៧ នាទី ៤២ វិនាទី និង ៣ នាទី ១៥ វិនាទី ហើយ lean4lean បានទទួលយកម៉ូឌុលដែលបានចងក្រងទាំងអស់។ អ្នកអភិវឌ្ឍន៍ Lean លោក Joachim Breitner បានសរសេរថា ភស្តុតាងនេះត្រូវបានត្រួតពិនិត្យយ៉ាងហ្មត់ចត់បំផុត។ ការដំណើរការ comparator ផ្លូវការ និងការដំណើរការឡើងវិញនៃខឺណែលផ្ទាល់របស់ Lean នៅតែបន្តដំណើរការនៅពេលធ្វើបច្ចុប្បន្នភាពនោះ។
តើការវិនិច្ឆ័យរបស់ The Daily Diff អំពីការទាមទារភស្តុតាង Lean Riemann Hypothesis មានអ្វីខ្លះ?
ការវិនិច្ឆ័យរបស់ The Daily Diff គឺ NEEDS REVIEW ។ ការចងក្រងគឺពិត ហើយអ្នកត្រួតពិនិត្យឯករាជ្យយល់ស្រប ប៉ុន្តែការដំណើរការ comparator ផ្លូវការមិនទាន់ចប់នៅពេលធ្វើបច្ចុប្បន្នភាពចុងក្រោយ ហើយគណិតវិទូមិនទាន់បានរំលាយអាគុយម៉ង់នៅឡើយ។ Terence Tao រំពឹងថាការរំលាយនឹងចំណាយពេល ហើយ Scott Aaronson និយាយថា គណិតវិទូនឹងពេញចិត្តនៅពេលដែលពួកគេអាចពន្យល់ពីគំនិតដោយខ្លួនឯង។ សេចក្តីព្រាងដែលសរសេរដោយមនុស្សប្រកួតប្រជែងដោយ Alessandro Masullo ស្ថិតក្រោមការកែប្រែដ៏ធំ។
កំណត់ត្រាដែលបានបកប្រែ
បកប្រែចេញពីការនិទានដើមជាភាសាអង់គ្លេស។ សំឡេង និងចំណងជើងរងដែលមានគឺស្ថិតនៅក្រោមការគ្រប់គ្រងរបស់ YouTube។
តើមនុស្សចម្លែកពិតជាបានបញ្ជាក់អ្វីខ្លះ?
0:00 បណ្តាញភាគច្រើនកំពុងប្រាប់អ្នកថា Claude បានបញ្ជាក់ Riemann Hypothesis ។ អ្វីដែលមនុស្សចម្លែកបានបញ្ជាក់គឺថា Lean ដប់ប្រាំពីរលានបន្ទាត់ត្រូវបានចងក្រង ហើយអ្នកត្រួតពិនិត្យម្នាក់បានទទួលយកឯកសារទាំងមូលក្នុងរយៈពេលតិចជាងបួននាទី។ នៅក្នុងវីដេអូនេះ តើអ្នកត្រួតពិនិត្យនោះពិតជាបានត្រួតពិនិត្យអ្វីខ្លះ? តើអ្នកត្រួតពិនិត្យមិនអាចប្រាប់អ្នកអ្វីខ្លះ? ហើយតើអ្នកអភិវឌ្ឍន៍គួរចម្លងអ្វីពីវា? ការត្រួតពិនិត្យមួយទៀតនៅតែដំណើរការនៅរសៀលថ្ងៃសៅរ៍ ដែល Kevin Buzzard បាននិយាយថាគាត់កំពុងរង់ចាំ។
0:23 ខ្ញុំនឹងប្រាប់អ្នកពីកន្លែងដែលវាស្ថិតនៅមុនពេលការវិនិច្ឆ័យ។ វាជាថ្ងៃសៅរ៍ ទី២១ ខែវិច្ឆិកា ហើយនេះគឺជា The Daily Diff ។
តើអ្នកណាទាមទារអ្វី ហើយក្នុងទម្រង់បែបណា?
0:29 Levent Alpöge គឺជាគណិតវិទូនៅ Anthropic ។ កាលពីថ្ងៃសុក្រ គាត់បានបង្ហោះកំណត់ចំណាំបួនទំព័រដោយនិយាយថា គាត់ជឿថាគាត់បាន ធ្វើការជាមួយ Claude រកឃើញភស្តុតាងនៃ Riemann Hypothesis ។ គាត់មិនបានចេញផ្សាយឯកសារអ្វីទេ ក្រៅពី Lean ដែលជា ភាសាមួយដែលកម្មវិធីត្រួតពិនិត្យរាល់ជំហាននៃ ភស្តុតាង។ ការ IPO ដែលខ្ញុំបានគ្របដណ្តប់កាលពីម្សិលមិញគឺជាផ្ទៃខាងក្រោយ។ ភាគហ៊ុនរបស់ Anthropic បានធ្លាក់ចុះជាងប្រាំបីភាគរយកាលពីថ្ងៃសុក្រ នៅក្នុងការលក់ដែល The Guardian មិនបានភ្ជាប់ទៅនឹងភស្តុតាង
0:53 ហើយខ្ញុំក៏មិនដែរ។ បណ្ណសារមានឯកសារមួយរយចិតសិបប្រាំពាន់។
តើសំណួរទាំងបួនមានអ្វីខ្លះ?
0:58 កាលពីខែកញ្ញា ខ្ញុំបានប្រាប់អ្នកថា ភស្តុតាង Fermat របស់ Claude មានដប់បីលានបន្ទាត់ ហើយ Kevin Buzzard អស់អង្គចងចាំនៅពេលព្យាយាមចងក្រងវា។ ប្រាំបួនថ្ងៃមុន គាត់បានសរសេរបញ្ជីត្រួតពិនិត្យសំណួរចំនួនបួនសម្រាប់ Lean ដែលសរសេរដោយ AI ។ ទីមួយ តើសេចក្តីថ្លែងការណ៍ Lean មានន័យថាទ្រឹស្តីបទពិតដែរឬទេ? ទីពីរ តើកូដដំណើរការដែរឬទេ? ទីបី តើភស្តុតាងបញ្ជាក់សេចក្តីថ្លែងការណ៍នោះ ហើយគ្មានអ្វីលួចលាក់ទេឬ? ទីបួន តើវាប្រើកំហុសក្នុងខឺណែលផ្ទាល់របស់ Lean ដែរឬទេ? សំណួរទីពីរគឺជាសំណួរបងាយស្រួល។
តើវាដំណើរការទេ?
1:21 Andrew Sutherland នៅ MIT បានចងក្រងវាទាំងអស់ដោយគ្មានកំហុស ហើយទ្រឹស្តីបទសំខាន់ៗទាំងប្រាំពឹងផ្អែកតែលើអ័ក្ស៊ីមបីដែលភស្តុតាង Lean ជាធម្មតាប្រើប្រាស់។ Buzzard និយាយថាចម្លើយនោះគឺបាទ។ ការដំណើរការការត្រួតពិនិត្យផ្លូវការដោយខ្លួនឯងត្រូវការអង្គចងចាំប្រហែលមួយរយជីកាបៃ។
តើខឺណែលរបស់ Lean អាចត្រូវបានគេបោកប្រាស់ដែរឬទេ?
1:36 សំណួរទីបួនគឺជាសំណួរដ៏គួរឱ្យភ័យខ្លាច។ Scott Aaronson ចង្អុលបង្ហាញថាខឺណែលរបស់ Lean មានកំហុសដែលអនុញ្ញាតឱ្យមានភស្តុតាងនៃ សូន្យស្មើនឹងមួយ។ ដូច្នេះ មនុស្សផ្សេងទៀតបានសរសេរអ្នកត្រួតពិនិត្យផ្ទាល់ខ្លួនរបស់ពួកគេជាភាសាផ្សេងទៀត ហើយបានផ្តល់ឱ្យពួកគេនូវភស្តុតាងដែលបាននាំចេញ។ Nanoda ដែលសរសេរដោយ Rust បានទទួលយកវាក្នុងរយៈពេលតិចជាងកន្លះម៉ោង។ Con-leche ដែលអ្នកនិពន្ធរបស់ខ្លួនគាំទ្រដោយភស្តុតាងជាប់លាប់ ចំណាយពេលប្រហែលបីនាទី។
1:56 Joachim Breitner នៃសហគមន៍ Lean បានហៅវាថាត្រូវបានត្រួតពិនិត្យយ៉ាងហ្មត់ចត់បំផុត។ យ៉ាងហ្មត់ចត់បំផុត។ Aaronson បន្ថែមថា គ្មានលទ្ធផល AI ណាមួយដែលមានវិញ្ញាបនបត្រ Lean ត្រូវបានដកចេញនោះទេ រហូតមកដល់ពេលនេះ។ សំណួរទីមួយ និងទីបីគឺជាសំណួរបញ្ហា។
តើវាជាទ្រឹស្តីបទដែលយើងគិតថាវាជាទេ?
2:07 សេចក្តីថ្លែងការណ៍នេះគឺជានិយមន័យផ្ទាល់របស់ Mathlib អំពី Riemann Hypothesis ហើយមតិយោបល់របស់វាបាននិយាយថា ភស្តុតាងនេះមានតម្លៃមួយលានដុល្លារ។ ប៉ុន្តែដប់ប្រាំពីរលានបន្ទាត់ដែលមិនគួរឱ្យទុកចិត្តស្ថិតនៅចន្លោះសេចក្តីថ្លែងការណ៍នោះ និងភស្តុតាង ហើយណាមួយក្នុងចំណោមនោះអាចកំណត់និមិត្តសញ្ញាឡើងវិញដោយស្ងាត់ស្ងៀម និងបញ្ជាក់អ្វីដែលងាយស្រួលជាង។ Comparator ឧបករណ៍ដែលខ្ញុំបានពន្យល់នៅថ្ងៃទីដប់ខែវិច្ឆិកា មានសម្រាប់តែរឿងនោះ។ វាប្រៀបធៀបសេចក្តីថ្លែងការណ៍ដែលទុកចិត្តជាមួយទ្រឹស្តីបទដែលភស្តុតាងពិតជាផ្តល់ ហើយវាត្រួតពិនិត្យអ័ក្ស៊ីម។
2:33 ការទាមទារទីពីរបានមកដល់នៅព្រឹកថ្ងៃដដែល។
ចុះសេចក្តីព្រាងរបស់មនុស្សវិញ?
2:35 Ravi Vakil ប្រធានសមាគមគណិតវិទ្យាអាមេរិក បានបង្ហោះសេចក្តីព្រាងភស្តុតាង Riemann ទូទៅដោយ Alessandro Masullo ។ វាត្រូវបានសរសេរដោយគ្មាន AI ហើយ Brian Conrad បានពិនិត្យវារាប់ខែ។ ប្រាំបីម៉ោងក្រោយមក Vakil បានបន្ថែមថា មនុស្សដែលប្រើគំរូ AI បានរកឃើញបញ្ហា ហើយថាគាត់មិនទាមទារថាវាត្រឹមត្រូវនោះទេ។ Conrad បានប្រាប់ Scientific American ថាវាស្ថិតក្រោមការកែប្រែដ៏ធំ។ Vakil ក៏បានសរសេរថា គាត់ពិតជាសង្ឃឹមថាវាដំណើរការ។ អ្នកត្រួតពិនិត្យប្រាប់អ្នកថា តើជំហានទាំងនោះអនុវត្តតាមដែរឬទេ។
តើអ្នកត្រួតពិនិត្យមិនអាចប្រាប់អ្នកអ្វីខ្លះ?
3:02 វាមិនអាចប្រាប់អ្នកថាហេតុអ្វីបានជារឿងនោះដំណើរការនោះទេ។ កំណត់ចំណាំរបស់ Alpöge និយាយថា Claude បានហោះហើរ រាំ និងភ្លឺស្វាងនៅជិតបន្ទាត់បញ្ចប់។ គាត់និយាយថា កំណែអត្ថបទដែលគាត់បានបង្កើតមានពីររយហាសិបពាន់ទំព័រ ដែលគាត់ហៅថា slop ដូច្នេះគាត់បានបង្ហោះតែ Lean ប៉ុណ្ណោះ។ Terence Tao បានសរសេរថា ការរំលាយវាត្រូវការពេលវេលាខ្លះ ហើយ Scott Aaronson និយាយថា គណិតវិទូនឹងពេញចិត្តនៅពេលដែលពួកគេអាចពន្យល់ វាដោយខ្លួនឯង។ គ្មានអ្វីនៅក្នុង stack របស់អ្នកផ្លាស់ប្តូរនៅយប់នេះទេ
តើអ្នកអភិវឌ្ឍន៍ធ្វើអ្វីជាមួយនេះ?
3:26 ដោយសារ Scientific American និយាយថាលទ្ធផលមិនមានកម្មវិធីជាក់ស្តែងភ្លាមៗនោះទេ។ សម្រាប់អ្នកអភិវឌ្ឍន៍ ទម្លាប់បីយ៉ាង។ អានលក្ខណៈបច្ចេកទេសមុនពេលកូដ។ សួរថាអ្វីប្រៀបធៀបភស្តុតាងទៅនឹងសេចក្តីថ្លែងការណ៍ ហើយអ្នកណាជាអ្នកសរសេរសេចក្តីថ្លែងការណ៍។ ហើយដំណើរការអ្នកត្រួតពិនិត្យទីពីរដែលសរសេរដោយអ្នកផ្សេង។ សូម្បីតែអនាម័យ build ក៏លេចឡើងដែរ ព្រោះ Sutherland កត់សម្គាល់ថា hash នៃឯកសារដែលបានចងក្រង ផ្លាស់ប្តូរទៅតាម folder ដែលអ្នក build ក្នុង ដោយសារ Lean អាចរក្សាទុកផ្លូវប្រភពនៅខាងក្នុង
3:49 ពួកគេ។ ដូច្នេះ តើការត្រួតពិនិត្យនោះស្ថិតនៅទីណានៅរសៀលថ្ងៃសៅរ៍?
តើការត្រួតពិនិត្យដែលបាត់នៅទីណា?
3:52 នៅក្នុងលក្ខខណ្ឌរបស់អ្នកអភិវឌ្ឍន៍ CI មានពណ៌បៃតង លើកលែងតែការងារមួយដែលមនុស្សគ្រប់គ្នាកំពុងមើល។ ការដំណើរការ comparator ផ្លូវការលើភស្តុតាងពេញលេញនៅតែបន្តដំណើរការ។ ការប្រៀបធៀបសេចក្តីថ្លែងការណ៍ និងការត្រួតពិនិត្យអ័ក្ស៊ីមរបស់វាបានឆ្លងកាត់រួចហើយក្នុងការដំណើរការមួយ ហើយផ្នែកយឺតដំណើរការឡើងវិញនូវភស្តុតាងនៅក្នុងខឺណែលផ្ទាល់របស់ Lean មួយខ្សែស្រឡាយម្តងមួយៗ។ ទន្ទឹមនឹងនេះ របៀបប្រៀបធៀបរបស់ con-leche ដែលជាច្បាប់ចម្លងឯករាជ្យនៃការផ្គូផ្គងសេចក្តីថ្លែងការណ៍ដូចគ្នា បានទទួលយកទ្រឹស្តីបទទាំងប្រាំ។ Sutherland ក៏បានសាកល្បងសេចក្តីថ្លែងការណ៍ដែលគ្មាន zeta ទាល់តែសោះ
4:18 វិសមភាពរបស់ Robin ដែលជាសមមូលចាស់នៃសម្មតិកម្មអំពីផលបូកនៃឧបករណ៍ចែក។ អ្នកត្រួតពិនិត្យឯករាជ្យក៏ទទួលយកមួយនោះដែរ ហើយ Sutherland និយាយថាវា មានប្រសិទ្ធភាពក្នុងការកាត់បន្ថយចន្លោះប្រហោងនៅក្នុងនិយមន័យដែលនៅពីក្រោយសេចក្តីថ្លែងការណ៍ Mathlib ។ ប្រសិនបើអ្នកចង់អានវាជាជាងស្តាប់ខ្ញុំនិយាយ វាបានមកដល់ប្រអប់សំបុត្ររបស់អ្នក រៀងរាល់ព្រឹក ដោយឥតគិតថ្លៃនៅ the daily diff dot dev, តំណភ្ជាប់ខាងក្រោម។
តើការវិនិច្ឆ័យថ្ងៃនេះជាអ្វី?
4:36 ដូច្នេះ ការវិនិច្ឆ័យថ្ងៃនេះគឺ NEEDS REVIEW ។ ខ្ញុំនឹង SHIP IT ការត្រួតពិនិត្យហើយរក្សាការសន្និដ្ឋាន។ ការចងក្រងគឺពិត អ្នកត្រួតពិនិត្យចម្លែកយល់ស្រប ហើយការដំណើរការផ្លូវការគឺ មិនទាន់ចប់ ខណៈដែលគណិតវិទូមិនទាន់បានរំលាយអាគុយម៉ង់នៅឡើយ។ ហើយនោះគឺជា diff សម្រាប់ថ្ងៃនេះ។ ខ្ញុំ Niko មកពី Axrisi ។ Merge ដោយការទទួលខុសត្រូវ។
ប្រភព
- Levent Alpöge, note announcing a Lean proof (PDF)Levent Alpöge
- RH Lean proof: verification filesAndrew Sutherland, MIT
- …and the proof is checked in LeanKevin Buzzard, Xena Project
- Discussion: Alpöge Proves the Riemann HypothesisLean Zulip (#general)
- Mathlib: RiemannZeta.lean (RiemannHypothesis)leanprover-community
- Hurried Announcement: Alessandro Masullo GRHRavi Vakil
- Unforced Euler singularity, unforced Navier-Stokes singularity, and the Generalized Riemann HypothesisTerence Tao
- The stochastic parrots have apparently proved the Riemann HypothesisScott Aaronson
- Anthropic mathematician claims to prove Riemann hypothesis, most famous problem in all of mathScientific American
- The AI Riemann hypothesis proof is almost certainly true, independent mathematicians attestScientific American
- Dueling claims of Riemann hypothesis proofs emergeScientific American
- Nasdaq erases all 2026 gains as AI sell-off dampens Anthropic's second day of tradingThe Guardian
- Levent Alpöge claims proof of the Generalized Riemann Hypothesis [pdf]Hacker News



