人工智能（AI）在数学和编程领域的飞速进步让人惊叹不已。它不仅在日常任务中表现抢眼，甚至开始挑战人类的顶尖专家。那么，当AI与数学领域的精英正面交锋，会擦出怎样的火花呢？
最近，Epoch AI组织了一场激动人心的“人机大战”：40位数学家组成8支战队，与OpenAI的o4-mini-medium模型展开激烈较量，题目来自高难度的FrontierMath数据集。这场对决的结果令人震撼：8支人类战队中，仅有2支成功击败AI，o4-mini-medium以6:2的比分完胜人类专家团队！Epoch AI总结道：“AI尚未完全超越人类，但这一天可能不远了。”
这场比赛引发了热议。有人认为，Gemini 2.5 Pro的“深度思考”模式标志着AI全面超越人类的转折点；也有人为人类辩护，认为4.5小时的比赛时间不足以让专家们充分发挥实力。你觉得这场比赛的结果意味着什么？下面，我们来一探这场“人机数学大战”的精彩细节！
人类与AI在FrontierMath上的表现
FrontierMath是什么？
FrontierMath是Epoch AI于2024年推出的一个高难度数学基准测试，包含300道题目，难度从本科高年级水平到足以难倒菲尔兹奖得主的极高水平，覆盖数论、代数几何、拓扑学等多个领域，旨在挑战AI的数学推理极限。
为了建立人类基准，Epoch AI在麻省理工学院举办了一场竞赛，邀请了约40位数学领域的佼佼者，包括本科生和专家，组成8支4-5人的团队。每队在4.5小时内解答23道题目，期间允许使用互联网资源。随后，他们的成绩与当前在FrontierMath基准上表现最佳的AI——o4-mini-medium进行了对比。
比赛结果如何？
o4-mini-medium的表现令人印象深刻：它的得分（22%）高于人类团队的平均水平（19%），但低于所有团队的综合得分（35%）。换句话说，AI尚未达到“超人水平”，但已经非常接近。值得注意的是，AI成功解答的题目均至少被一支人类团队答对，显示出AI与人类在解题能力上的某种“重叠”。
详细的比赛结果可查看以下电子表格：
这场比赛的幕后故事
Epoch AI从四个方面解析了比赛的设计和结果，揭示了人类与AI交锋的深层含义。
1. 参赛者：顶尖但非“全能”
参赛的40位数学家并非普通选手。他们要么拥有数学相关博士学位，要么在本科阶段取得过顶级数学竞赛的优异成绩。每支团队都确保至少有一位某领域的专家，例如在数论或拓扑学上有深入研究的学者。这种配置保证了团队的专业性，但即便如此，没有哪位人类能同时精通FrontierMath涵盖的所有前沿领域。
2. 推理能力是核心
FrontierMath的设计初衷是测试AI的推理能力，而非单纯的知识储备。因此，题目覆盖了多个需要深度推理的领域，如组合数学和微分几何。比赛题目包括7道基础题（适合优秀本科生）和16道进阶题（为专家量身定制），分为拓扑学、代数几何、组合数学和数论四个子领域。
评分规则：
3. 人类基准的“模糊地带”
比赛结果显示，人类团队的平均解题率在13%-26%之间，均值为19%，而o4-mini-medium的解题率为22%。但如果以“至少一支团队答对”作为标准，人类的综合表现可提升至35%。这表明，人类的整体能力可能被4.5小时的比赛时间限制所低估。
此外，比赛题目的难度分布与完整FrontierMath数据集不同。比赛中的基础题（1-2级）相对容易，而完整数据集的题目难度更均衡。经过加权调整，人类基准得分可能在30%-50%之间，而AI的得分可能达到37%。但这种调整的准确性仍有争议，因为比赛题目与完整数据集的难度分布差异较大。
4. 这场对决的意义
这场比赛揭示了什么？
首先，AI的表现已经非常接近人类专家水平，但我们尚不清楚它是如何解题的。它的答案是靠“猜测”还是系统化的推理？AI的解题路径与人类相比有何不同？Epoch AI表示，未来将发布更多分析以解答这些问题。
其次，4.5小时的时间限制可能限制了人类的发挥。o4-mini-medium解题耗时约5-20分钟，而人类专家在最擅长的题目上平均需要40分钟。赛后调查显示，若给予更多时间，人类团队的表现可能大幅提升。此外，机器学习研究表明，AI的性能在一定阶段后会趋于停滞，而人类则具备持续改进的能力。
最后，FrontierMath的题目虽具挑战性，但并非完全等同于真实的数学研究。尽管如此，这场竞赛仍为AI与人类的数学能力对比提供了一个宝贵的参考点。
AI的未来：超越人类指日可待？
Epoch AI预测，AI可能在2025年底前在FrontierMath上明确超越人类。这一前景既令人兴奋又发人深省。AI的推理能力正在迅速逼近人类专家水平，但它的“思考”方式与人类截然不同。未来，AI是否会成为数学研究的得力助手，还是会彻底改变数学领域的游戏规则？
这场“人机数学大战”不仅是一次技术的较量，也是对人类智慧与机器潜力的深刻探讨。你认为AI会在何时真正超越人类？欢迎来智享AI分享你的看法！
