跳跃式探索

跳跃式探索是[[陶哲轩]]在[[哥白尼智能观]]框架中描述的AI智能风格。指AI通过反复尝试、海量模拟，在解空间中快速"跳跃"式寻找答案的方式。

特征

• 速度快：能在极短时间内探索大量可能性
• 模式识别精准：在高维参数中捕捉微妙模式
• 可解释性低：像"黑箱直觉"，缺乏人类式的推理过程

与人类智能的对比

与人类的[[攀登式积累]]形成鲜明互补：

• AI跳跃式探索：快速命中目标，但缺乏深度理解
• 人类攀登式积累：过程缓慢，但孕育深刻洞见

协作价值

在数学证明等任务中，AI的跳跃式探索能快速生成数十种路径和数百个特例，人类则负责排除无效分支、提炼本质规律。两者结合产生1+1>2的效果。