幾個月來，數(shù)學(xué)家陶哲軒多次嘗試使用 ChatGPT 輔助解決數(shù)學(xué)問題，并與大家分享他的試驗結(jié)果。網(wǎng)友在圍觀的同時還會和陶哲軒進(jìn)行一些交流，或者給出 ChatGPT 的使用技巧建議。

今天，陶哲軒又嘗試用 ChatGPT 生成可采用 LaTeX 表達(dá)式的程序代碼，并最終得到了一段可用的 VSCode 代碼。

陶哲軒表示 ChatGPT 能夠生成涉及正則表達(dá)式的復(fù)雜代碼片段，并且很有效。

具體來說，他想要一個可以采用 LaTeX 表達(dá)式（例如 (x+y=z)）的代碼片段，并將 \left 和 \right 作為分隔符（例如 \left (x+y=z \right)。

為了解決這個問題，ChatGPT 進(jìn)行了兩次嘗試，并且是以「多輪對話」的形式完成的。首先，陶哲軒詳細(xì)描述了一個關(guān)于 (x+y=z) 的編碼需求：

ChatGPT 首先根據(jù)要匹配的文本格式給出了正則表達(dá)式，并且對正則表達(dá)式的每一部分給出了詳細(xì)的解釋，最后給出了一段 VSCode 代碼：

ChatGPT 給出的第一段代碼具體如下：

{
  "Add \\left and \\right": {
    "prefix": "leftright",
    "body": [
      "${TM_SELECTED_TEXT/\\(([^)]+)\\)|\\[([^]]+)\\]|\\\\{([^}]+)\\\\}/\\left$0$1$2$3\\right$0/g}"
    ],
    "description": "Add \\left and \\right to selected text"
  }
}

然而，這段代碼存在錯誤，陶哲軒給 ChatGPT 指出了這個錯誤，然后 ChatGPT 就重新對原問題給出了一個正確的解答，生成了一段 VScode JSON 格式的代碼：

ChatGPT 給出的第二段代碼具體如下：

{
  "Add \\left and \\right": {
    "prefix": "leftright",
    "body": [
      "${TM_SELECTED_TEXT/(\\()([^)]+)(\\))|(\\[)([^]]+)(\\])|(\\\\{)([^}]+)(\\\\})/\\left${1}${4}${7}${2}${5}${8}\\right${3}${6}${9}/g}"
    ],
    "description": "Add \\left and \\right to selected text"
  }
}

除了日常使用 AI 工具輔助解決數(shù)學(xué)問題，陶哲軒最近還表示自己在一篇即將發(fā)表的論文中，使用了 AI 工具來編輯排版數(shù)學(xué)公式，具體來說是使用了 VSCode + TeXLive + LaTeXworkshop + Github Copilot。

值得一提的是，這個「神器組合」是來源于一位網(wǎng)友的建議。

前幾天，陶哲軒嘗試使用 ChatGPT 寫 Python 代碼來計算 Phi 非遞減序列的數(shù)學(xué)問題，結(jié)果 ChatGPT 生成了一個非常聰明的程序來計算 totient 函數(shù)，但部分地方存在計算偏差。

在討論中，陶哲軒提到：「完整正確的 Python 代碼對解決數(shù)學(xué)問題有很大幫助，但他不常用 Python 編寫代碼，GPT 提供的代碼有些許錯誤，需要手動改正。」有網(wǎng)友隨即建議將 GitHub Copilot 和 VSCode 結(jié)合使用：

陶哲軒表示從 20 世紀(jì) 90 年代開始，每隔五到十年，他就會嘗試更新公式編輯器，已經(jīng)過數(shù)次迭代。陶哲軒也分享了他最新采用的 VSCode + TeXLive + LaTeXworkshop + Github Copilot 的使用效果。

他在 VSCode 中設(shè)置了一個觸發(fā)詞「cor」，以創(chuàng)建推論環(huán)境：

Github Copilot 則在填寫代碼片段方面起到了很大的作用：

相比于 ChatGPT，Github Copilot 是專門為生成代碼而構(gòu)建的 AI 工具，因此生成的代碼準(zhǔn)確性更高，效率也更高。

看來，AI 工具，特別是大模型將對數(shù)學(xué)研究起到十分重要的作用，還有很多應(yīng)用潛力待研究者們發(fā)掘。