从机器学习与信息论视角构建 AI 数学家

一篇发表于 Bulletin of the AMS 的论文指出，当前深度学习擅长系统 1 的直觉能力，但在系统 2 的推理与不确定性估计上仍显不足，数学推理正是这一短板的体现。作者从信息论角度提出，AI 数学家的重点不应是证明给定定理，而是发现有趣的新猜想，其核心假设是理想定理集合应能以较短描述长度概括所有可证明命题，同时与大量可证明命题的推导步数保持接近。