Karl 卡尔 e/acc

Yau 真的花大量时间研读左传、二十四史、史记、各朝代诗词，是真正的老中大儒。

OpenAI 和 Anthropic 的顶尖模型在约12个月内取得了人类数学和理论计算机科学科研事实上的主导权，OpenAI 一家公司实际产出的数学科研成果，会迅速超过全球大学和科研机构“手工古法科研”产出的总和 在未来3-5年内，这件事同样会发生在物理、化学、生物、材料学、经济学…等科学领域上，因为其他科学领域涉及现实实验，顶尖模型取得主导权的过程要比数学慢 届时 OpenAI 和 Anthropic 将成为全球对人类基础科学贡献最大的“大学的大学” 也许用“大学”这种要入土的老古董去形容这两家公司太贬低它们俩了，尽管这两个组织都只是以盈利为目标的 AI 公司，长期都只有几百名核心员工…

AI将帮助人类科学家重获“历史总体性视野” 拿数学举例，人类已经没有全能数学家了，最喜欢跨领域解决问题、聪明得人尽皆知的陶哲轩，坑呲坑呲学到现在头发都快白了，也只精通五六个数学领域 但是数学的细分领域发展到现在有大几十个 人类的计算和存储速度太慢了，学习理解的速度太慢了，在智能机器面前和蝼蚁一个数量级 数学家看自己没有深耕的数学领域的论文跟看天书一样 相差较远的数学领域的数学家交流效率也很低 但是AI每个数学细分领域都懂，它重获了人类已经灭绝的“历史总体性视野”，并且在很多细分领域达到人类顶尖水平 数学是这样，其他学科也是类似的情况，只是数学表现得最极端 审视整个人类科学：数学…

AI vibe reasearch 工作流蹬半个月，出了个错误，或者做的方向压根没价值，稍微改一改就是个好选题，人类导师一眼就能看出来并点拨清楚，这种情况也许在多年以后仍然存在 在基础科学研究领域，有无穷多的现象暴露出来原始问题，其中只有少数是蕴含一般性规律的重要原始问题 有多种从原始问题舍弃次要因素，抽象出形式化问题的路径 针对形式化问题，有无穷多可以建立的数学模型（选一组setup和assumptions，推导一组定理，然后实验验证） 但是其中只有极少数是具有重大创新意义的 AI在做这方面的搜素和筛选时表现得仍然很糟糕 我们都知道“全面阅读相关文献，识别总结关联认知障碍，提出关…

这篇文章就是未经调查为黑而黑 这里面的菲砖和吉米多维奇，是我高一时自学微积分的主要参考教材，启发了我对现代数学的浓厚兴趣，为我的物理竞赛生涯打下了坚实的数学分析基础 现在苏联已经嗝屁快四十年了，但是对于数学系学生来说，卓里奇的《数学分析》还是无人不知无人不晓， 真的学过 菲赫金哥尔茨《微积分教程》 吉米多维奇《数学分析习题集》 柯尔莫戈洛夫《函数论与泛函分析初步》 卓里奇的《数学分析》 柯斯特利金《代数学引论》 …… 就会发现美系教材苏系教材各有千秋，只有老中教材的主要特点是防自学