AI Could Break Crypto Within Two Years. Why Is Cryptography Off-Limits? | AI 一两年内或破加密，密码学为何被绕开？

http://www.youtube.com/watch?v=3bNETjWda38

这个视频采访了前 OpenAI 安全研究员、量子计算学者 Scott Aaronson [00:06]，主要探讨了 AI 在数学解题上的突破，以及它对密码学、学术界和人类数学理解带来的巨大冲击。以下是核心内容的详细梳理：

1. 为什么近 400 个 AI 数学成果中唯独跳过了密码学？

• 刻意规避： OpenAI 此前发布了近 400 项 AI 解决的重要数学和理论计算机科学难题 [02:43]，但明显没有涉及密码学领域 [00:36]。Scott Aaronson 认为这绝非巧合，而是 OpenAI 采取了更为谨慎的态度 [00:46]。
• 迫在眉睫的风险： 他指出，我们必须严肃面对这样一种前景：AI 模型可能在一两年内就会破解一个或多个广泛使用的加密算法 [01:00]。传统的安全漏洞负责任披露通常是通知涉事公司并给予 90 天窗口，但如果被破解的是 RSA 或比特币等底层加密，需要通知的将是全世界 [01:16]。

2. AI 解题对学术家庭的直接波及

• 唯一游戏猜想（Unique Games Conjecture）被破： Scott 的妻子、复杂性理论学者 Donna 几十年（自 2009 年起）一直在研究理论计算机科学中的重大未解难题——“唯一游戏猜想” [02:13]。而 OpenAI 的 AI 成果中，其中一个皇冠明珠就是给出了这个猜想的证明 [02:53]。
• “AI 读懂 AI 的证明”： 成果发布后，Donna 花了大量时间试图去理解这个由 AI 生成的证明 [03:09]。虽然 AI 生成的手稿非常难读，但人类现在可以利用 AI（如 Astra）来协助阅读和逐点解释 [03:45]，这成为了人类消化海量 AI 数学成果的新方式 [04:07]。

3. 两家顶尖 AI 公司发布数学成果的不同模式

视频对比了 OpenAI 与 Anthropic 在处理重大数学突破时的不同策略：

• OpenAI 模式（直接公开）： 直接大量公开 AI 发现的数学论文和手稿 [02:43]，优点是信息完全透明，但缺点是人类面对密密麻麻、未经整理的公式，需要花大量时间去消化和理解 [04:31]。
• Anthropic 模式（人类专家背书）： Anthropic 在发布关于知名问题（如 3-SUM 和全源最短路径问题）的新算法时，选择先与人类专家（如 Vie Vasellvka 和 Josh Alman）合作 [05:40]，由人类专家彻底读懂、重写并以自己的名字署名发表，承担起解释和回答公众提问的责任 [06:11]。不过，这种模式的缺点在于公司必须挑选特定的“人类特使” [06:18]。

4. 面对 AI，人类如何守住对数学的理解？

• 人人都能用 AI 解题的时代： Scott 认为 Anthropic 模式面临的选择问题很快就会变得没有意义，因为未来每个人都可以直接向 AI 提交查询并获得重大未解难题的答案 [06:50]。
• 核心挑战： 面对这种冲击，数学界和人类面临的终极问题是：如何在 AI 时代维持学术社群，并守住人类对数学的理解、传承给下一代？ [07:20]