Terence Tao 對 AI 研究的反思：AI 讓我敢追「更瘋狂」的點子
OpenAI 2026 年 5 月 29 日釋出 Fields Medal（菲爾茲獎）得主、加州大學洛杉磯分校（UCLA）數學家 Terence Tao 與 OpenAI 研究員 Mark Chen 的對談影片，公開分享 Tao 對 AI 在數學與理論物理研究中角色的最新觀察。Tao 形容 AI 讓研究者得以追求「更瘋狂」（crazier）的想法，因為 AI 大幅降低了「探索成本」—研究者可請 AI 測試一個構想、跑模擬、或執行漫長但例行的計算，而不必先花數小時自己驗證它是否第一步就失敗。
「探索成本」下降讓研究更開放
Tao 指出，AI 帶來的不只是計算效率，而是改變研究者願意嘗試什麼的門檻。當測試一個假設變得更便宜，研究者就更願意嘗試非主流路徑、檢驗反直覺的構想、追蹤過往因時間成本而放棄的線索。Tao 表示自己的論文因 AI 協助而更完整，引用文獻範疇也更廣，這是過去單人研究難以達到的覆蓋密度。
Tao 的觀察呼應他在 2026 年 3 月於 OpenAI Academy 發表的文章，當時他即指出「AI 已準備好在數學與理論物理研究中投入正式應用」。本次 5 月 29 日的影片進一步擴充他對「AI 改變研究路徑選擇」的具體說明。
廣告 - 內文未完請往下捲動
Tao 的定位：助手，不是同儕
Tao 對 AI 在研究中的角色保持精確區分。他將當前的 AI 模型定位為「有用的助手」（useful assistants），而非「同儕」（peers）。AI 較不擅於提出深度原創想法，但作為「不知疲倦的方法掃描者」非常出色—可以快速把問題連結到適當的文獻、回報哪些路徑看起來最有前景。
這個分工讓 Tao 仍把核心創造性工作留在人類數學家手上，AI 則接手過往大量耗費時間的低階探索作業。對研究生態而言，這意味著研究產出的「先驗驗證階段」可能被壓縮，更多想法可以進入正式驗證流程。
OpenAI 推進科研 AI 應用策略
OpenAI 過去半年積極推動 AI 在科研領域的應用，從 3 月 Tao 的文章發布、到本次影片發布，OpenAI 把「研究級數學家如何實際使用 AI」作為其面向學術市場的關鍵敘事資產。對非數學領域的研究者而言，Tao 的工作流示範也提供了一個可被模仿的範本：把 AI 當成探索成本降低器，而不是答案產生器。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
