上周刚刚结束的第65届国际数学奥林匹克竞赛（IMO），最引人关注的新闻是美国队获团体第一，中国队获团体第二。在人类的这一智力和逻辑推理的高水平竞赛之外，人工智能也在摩拳擦掌，试图击败人类，证明自己。7月25日，人工智能企业DeepMind宣布，其提出的混合AI模型做出了IMO比赛六道题目中的四道，获得28分，达到了银牌水平，距离金牌仅差一分。
这一成就，虽然还未能完全击败人类，但不禁会让人联想到"深蓝"击败卡斯帕罗夫和"AlphaGo"击败李世石的故事，被认为是人工智能挑战人类智力巅峰的又一里程碑。可以预见的是，这也将引发新一轮关于机器智力边界的讨论。冷战期间，罗马尼亚、苏联、匈牙利、南斯拉夫等多个社会主义国家认为数学是科学和技术发展的基础，也意识到了早期发现和培养数学天才的重要性。
他们提出了一个颠覆性的数学教育理念——将前沿科学研究转化为不需要专业知识背景的抽象基础数学问题，用这些问题在更小年龄段选拔科研人才。在这种思路下，分子结构、线性规划等复杂的科学问题被简化为如鸡兔同笼、牛吃草等基础数学题。与传统注重知识点的教育模式相比，奥数更考验包括归纳和推理能力在内的"流动智力"。奥数解题过程更接近科研工作的本质——将具体问题抽象化，或将抽象问题具体化，然后在不同抽象层级间穿梭。
这种教育理念在选拔数学人才方面取得了卓越成功——许多IMO参赛者后来成为杰出数学家，其中16名奖牌得主更是获得了数学界最高荣誉菲尔兹奖。奥数题目注重通用逻辑能力的特点，使其成为衡量人工智能逻辑能力的理想工具。与大多数针对特定知识点和基本逻辑判断的人工智能基准测试不同，奥数可以通过多重逻辑推理和难以穷举的考核方式来评估人工智能的能力。
这意味着最有效的解题方法不是简单的"背题"式预训练，而是运用通用推理方法——这也是人类在奥数中取得优异成绩和进行科研工作所需的核心能力。此次是AI首次向这个“人类智能巅峰”做出挑战。AlphaProof/AlphaGeo在国际奥数比赛中的得分足以获得银牌，仅次于54名金牌选手，标志着人工智能系统在通用推理能力上已不亚于最优秀的人类。
与"深蓝"和"AlphaGo"击败人类顶尖选手不同，奥数涵盖的领域更加广泛，对创造性思维和解决前所未见问题的能力要求更高，同时对论证的严谨性要求极为苛刻。这些特点让我们看到了人工智能在科研工作中助力人类的巨大潜力。