Mit 24 Jahren hat sie das Studium abgebrochen und ein Startup gegründet, das über 400 Millionen Yuan an Kapital beschafft hat, und die Unternehmensbewertung beträgt 2,1 Milliarden Yuan.

Die Generation der 2000er ist dabei, die Welt zu verändern.

Nach einer Meldung von Zhidongxi vom 13. Oktober hat das von einer jungen Frau aus der Generation der 2000er gegründete KI - Startup Axiom Math kürzlich 64 Millionen US - Dollar (etwa 456 Millionen Yuan) in der Seed - Runde erhalten und einen Schätzwert von 300 Millionen US - Dollar (etwa 2,139 Milliarden Yuan) erreicht.

Die Gründerin von Axiom Math, Carina Hong, ist eine chinesische Geniestudentin aus der Generation der 2000er. Mit ihrem mathematischen Talent und ihrer Arbeit hat sie sich von Guangzhou bis zur Massachusetts Institute of Technology (MIT), zur Universität Oxford und zur Stanford University durchgearbeitet. Dann hat sie sich entschlossen, das Doppeldoktoratsprogramm an der Stanford University abzubrechen und gründete das auf mathematische Inferenz spezialisierte KI - Unternehmen Axiom Math.

Der Wettbewerb in der KI - Mathematikforschung wird immer heißer. Top - Forschungsinstitute wie OpenAI und Google DeepMind erzielen wiederholt Durchbrüche. Auch dieses 2024 gegründete junge Startup konzentriert sich auf das mathematische Feld und möchte einen "KI - Mathematiker" entwickeln. Bereits mehrere ehemalige Meta - KI - Forscher haben sich angeschlossen.

Was macht diese junge Gründerin, auf die die Kapitalgeber große Hoffnungen setzen, so besonders? Warum kann ihr gegründetes Axiom Math so viele KI - Experten anziehen? Die Antworten verbirgen sich in ihrer Entwicklung als "mathematische Geniestudentin" und in der ständigen Erforschung der Mathematik durch Axiom Math.

01. Bachelor an der MIT, Master an der Oxford, Abbruch des Doktoratsstudiums an der Stanford und Gründung eines Unternehmens: Eine junge Frau aus der Generation der 2000er "geht" von Guangzhou nach Silicon Valley

Carina Hong, 24 Jahre alt, ist in Guangzhou, Guangdong, aufgewachsen und hat schon als Kind ein starkes Interesse an Mathematik gezeigt. Mit 14 Jahren schrieb sie "MIT" an den Rand ihres Papieres, um sich zu motivieren.

Carina Hong gestand in einem Interview mit Forbes, dass sie während der kostenlosen Vorbereitung auf den Mathematik - Olympiade im Mittelalter in "super interessanten mathematischen Problemen" versenkt war und sich so als ob sie mit den mathematischen Ideen verschiedener Kulturen durch die Zeit reiste. "Auf intellektuellem Gebiet habe ich die Welt bereist", so beschrieb Carina Hong diese Zeit.

▲ Carina Hong, Gründerin von Axiom Math

Nach ihrem Eintritt an die MIT geriet die 19 - jährige Carina Hong zunächst in Verzweiflung: "Ich kannte niemanden an der MIT. Die meisten Studenten des Mathematikstudiums kannten sich bereits durch die US - Mathematik - Olympiade. Es war eine sehr einsame Zeit."

Die "hands - on" - Kultur der MIT wurde ihre geistige Stütze. Durch Ämter wie Präsidentin des Internationalen Studentenvereins und des Bachelor - Mathematikvereins fand Carina Hong ein Gefühl der Zugehörigkeit an der Universität.

Diese Erfahrungen überzeugten sie, dass man auch ohne Netzwerk und Ressourcen durch extreme Arbeit erfolgreich werden kann. "Du musst dich selbst genug zwingen, um zu glänzen", betonte Carina Hong.

Carina Hong absolvierte in nur 3 Jahren ein Doppelstudium in Mathematik und Physik. In dieser Zeit schrieb sie 9 Forschungsarbeiten in Bereichen wie Zahlentheorie, Kombinatorik, theoretischer Informatik und Wahrscheinlichkeitstheorie und absolvierte 20 Hochschulmathematikkurse.

▲ Carina Hongs Google Scholar - Profil (Quelle: Google Scholar)

Im Jahr 2022 erhielt Carina Hong den Alice T. Schafer Prize der Association for Women in Mathematics. Im Jahr 2023 gewann sie dann den hoch angesehenen höchsten Preis für Bachelor - Studenten im nordamerikanischen mathematischen Bereich: den Frank and Brennie Morgan Prize der American Mathematical Society.

Vor ihrer Bachelor - Abschlussarbeit erhielt sie eine Zulassung für das Doktoratsprogramm in Mathematik an der Stanford University und gleichzeitig eine "super Gelegenheit": Sie gewann den Rhodes - Stipendium und konnte einen Master in Neurowissenschaften an der Universität Oxford studieren.

"Ich möchte die Biologie besser verstehen", erklärte sie. "Es gibt in der Wissenschaft außer Mathematik und Physik noch eine viel größere Welt. Wenn man die Mathematik als eine Dimension und die Biomedizin als eine andere Dimension betrachtet, kann man ein kognitives System aufbauen, das über die wissenschaftlichen Bereiche hinweggeht. Das ist zumindest mein Denkmuster."

Im Jahr 2024 ging Carina Hong an die Stanford University und absolvierte gleichzeitig ein Jurastudium und ein Mathematik - Doktorat. Sie fühlte, dass "das Jurastudium wie eine dritte Dimension ist und zusammen mit Mathematik, Physik und Biomedizin einen vollständigen kognitiven Raum aufbaut."

Trotzdem war Mathematik immer Carina Hongs wichtigstes akademisches Interesse. Sie hat bereits mehrere Forschungsergebnisse in Bereichen wie Stack - Sortieralgorithmen veröffentlicht und hat eine besondere Vorliebe für die Arbeit in der Zahlentheorie. Carina Hong gestand: "Ich habe immer noch den Geist eines Forschers und möchte echte schwierige technische Probleme lösen."

In einem Interview gestand Carina Hong, dass sie am meisten von der interdisziplinären Erforschung der Kombination von Mathematik und Deep Learning begeistert sei. "Ich möchte an den Durchbrüchen bei diesen aufregenden technischen Engpässen beteiligt sein", sagte sie. "Wie werden KI und Mathematiker interagieren? Wie werden angewandte Wissenschaftler mit KI - Mathematikern zusammenarbeiten? Das sind die Fragen, die ich in Zukunft gerne erkunden möchte."

Im Jahr 2024 brach Carina Hong ihr Studium an der Stanford ab und gründete Axiom Math.

02. Es gibt derzeit drei technologische Trends in der mathematischen KI. Axiom Math möchte einen "KI - Mathematiker" aufbauen

Axiom Math ist der Meinung, dass die Fähigkeiten der Sprachmodelle derzeit ständig beschleunigt weiterentwickelt werden. Dennoch stehen diese fortschrittlichen Modelle vor einem Kernproblem: Bei komplexen Inferenztasks können unvorhersehbare versteckte Fehler auftreten.

Obwohl die Modelltraining auf einer riesigen Datenbasis beruht, enthält die Trainingsdaten sowohl unstrukturierte Inhalte wie alltägliche Gespräche als auch strukturierte Daten aus Fachbereichen. Die Qualität der verschiedenen Datentypen variiert erheblich.

Zurzeit kann das Output der Modelle durch Nach - Trainingstechniken wie Reinforcement Learning mit menschlichem Feedback gut an die menschlichen Wertvorstellungen angepasst werden und zeigt in den meisten Anwendungsfällen gute Ergebnisse. Aber in kritischen Bereichen wie mathematischen Beweisen und wissenschaftlichen Berechnungen, die eine strenge Verifizierbarkeit erfordern, ist das Output der bestehenden Modelle noch nicht zuverlässig genug. Diese Zuverlässigkeitslücke ist ein technischer Engpass, der die Implementierung von Großmodellen in der hochwertigen Forschung und der Industrie einschränkt.

Axiom Math geht davon aus, dass derzeit drei technologische Trends zusammenkommen:

Erstens hat das neuronale Netzwerk die Mustererkennung überwunden und ist in die Phase der skalierbaren Inferenz eingetreten. Seine Fähigkeiten steigen ständig mit der Rechenleistung, der Modellgröße und den Daten an.

Zweitens ist die mathematische Formalisierung reif geworden durch Programmiersprachen wie Lean: Gemäß der Curry - Howard - Korrespondenz werden Beweise zu ausführbaren Programmen. Programmiersprachen sind nicht nur Werkzeuge zur Erzeugung von Output, sondern auch "Waffen" zur Verifizierung der Eigenschaften abstrakter Objekte.

Drittens hat das Large Language Model in der Code - Generierung einen kritischen Schwellenwert überschritten und kann zuverlässig hochwertigen Code in verschiedenen Sprachen (einschließlich formaler Spezifikationssprachen) generieren, was eine starke a priori - Einschränkung für den ursprünglich unendlichen Handlungsraum bietet.

Diese Synergieeffekte schaffen eine bisher nie dagewesene Gelegenheit, dass ein Inferenzmotor ohne menschliche Intervention unzählige Sätze selbstständig aufstellen und beweisen kann. Dies ist für Axiom Math wie ein Leuchtfeuer, das den Weg weist.

Basierend auf diesen Grundlagen hat Axiom Math sich das Ziel gesetzt, den englischen mathematischen Inhalt aus Lehrbüchern, Archivartikeln und Zeitschriften in Softwareprogramme umzuwandeln, damit die KI neue Probleme schaffen kann und ihre Lösungen formell getestet und verifiziert werden können.

▲ Die Homepage von Axiom Math (Quelle: Axiom)

Derzeit konzentriert sich Axiom Math auf das Training eines Modells, das neue mathematische Probleme finden und richtig lösen kann. Ein Inferenzmotor, der mathematische Entdeckungen in "unvorhergesehener Größe und Geschwindigkeit" ermöglichen kann, beschreibt Axiom Math als einen "KI - Mathematiker" oder als ein "AlphaGo im mathematischen Bereich" mit unendlicher Verzweigungskapazität.

Aber dieser Weg ist nicht unbegehbar. KI - Giganten wie OpenAI und Google DeepMind haben kürzlich in der Internationalen Mathematik - Olympiade Gold - Bewertungen erhalten. Ihre KI - Modelle konnten 5 von 6 extrem schwierigen Problemen lösen. Aber Carina Hong glaubt, dass diese Benchmark - Tests möglicherweise Tricks enthalten und nicht das reale Niveau der forschungsorientierten Mathematik widerspiegeln.

"Die Lösung komplexer mathematischer Probleme ist immer der Kern vieler menschlicher Erfindungen", sagte Yan - David Erlich, Partner von B Capital, in einem Artikel, in dem er erklärte, warum sie sich entschieden haben, in Axiom Math zu investieren. "Die Fähigkeit, neue Probleme, die die Realität simulieren, zu schaffen und zu lösen, ist für den Fortschritt des menschlichen Wissens von entscheidender Bedeutung."

"Mathematik ist ein perfektes Testfeld für die Erstellung von Superintelligenz", sagte Carina Hong gegenüber Forbes.

03. Mehrere ehemalige Meta - KI - Forscher treten bei Axiom Math ein: Die reine mathematische KI ist der Anziehungspunkt

In weniger als einem Jahr hat Carina Hongs Startup bereits eine Gruppe erfahrener Fachleute aus der Technologiebranche rekrutiert, darunter viele aus dem Meta Foundation AI Research (FAIR):

Shubho Sengupta, der Chief Technology Officer von Axiom Math, hat das Meta FAIR - Team bei der Entwicklung von OpenGo und CrypTen geleitet. Zuvor hat er sich an der Gestaltung des verteilten Trainingssystems von Google Brain beteiligt und war einer der ersten CUDA - Entwickler.

François Charton hat seit 2019 bahnbrechend Transformer in komplexe mathematische Probleme angewendet. Kürzlich hat er mit Transformer in vielen konkreten gewöhnlichen Differentialgleichungssystemen (ODE) annähernde Lyapunov - Funktionen erfolgreich gelernt.

Hugh Leather hat bahnbrechende Erfahrungen in der Anwendung von Deep Learning auf die Code - Generierung, einschließlich der Erstellung des ersten Large Language Models für die Code - Generierung von Compilern und GPUs, was dem Axiom Math - Team einen entscheidenden Vorteil bringt.

▲ Gruppenfoto der Hauptmitglieder von Axiom Math, in der Mitte Carina Hong, Gründerin von Axiom Math

Aram Markosyan, ein ehemaliger KI - Wissenschaftler, der die Sicherheits - und Fairness - Forschung bei Meta leitete; Hugh Leather, ein ehemaliger Meta - KI - Forschungswissenschaftler, war einer der ersten Forscher, die Deep Learning für die Code - Generierung verwendeten.

Für viele Forscher war die Mission von Axiom Math, mathematische Entdeckungen mit KI zu machen, der Anziehungspunkt. Dies zeigt sich auch daran, dass die Konferenzräume im Büro nach mathematischen Legenden wie Carl Friedrich Gauss und Ada Lovelace benannt sind.

"Für mich ist es die Gelegenheit, in einem Unternehmen arbeiten zu können, das die mathematische KI ernst nimmt und nicht als Nebentätigkeit ansieht", meint Charton.

04. Fazit: Axiom Math könnte die Tür für die KI - Grundlagenforschung öffnen

Die Gründung und die Finanzierung von Axiom Math spiegeln zwei Entwicklungstrends im vordersten Bereich der KI wider. Erstens dringt die KI - Forschung von der Aufbau von allgemeinen Fähigkeiten in vertikale Bereiche tief ein. Das mathematische Feld, das als Gipfelpunkt des menschlichen rationalen Denkens angesehen wird, wird zum neuen Durchbruchspunkt. Zweitens wird der Trend, dass Spitzen - Akademiker in die Industrie gehen, immer deutlicher. Junge Fors