什么值得买App下载 App ›
连续签到专享现金活动

一个反例杀死87年猜想:AI正在重写数学史的证明规则

AI猎手:机器正在改写数学猜想的生死簿
2026年7月20日,一个只有216个字符的数学公式登上了全球热搜。这个公式不是证明,而是一个反例——它宣告了悬而未决87年的雅可比猜想在三维及以上维度不成立。给出这个反例的,是Anthropic的AI模型Claude Fable 5。数学史上,反例终结猜想的案例并不罕见。但这一次,完成致命一击的不是某个天才数学家,而是一台在世界杯决赛夜还在“加班”的机器。1
证明需要遍历无穷,证伪只需一个例外。这是数学证明与证伪之间最残酷的不对称。雅可比猜想问的是:如果一个多项式映射的雅可比行列式处处非零,它是否一定有逆映射?局部可逆能否推出全局可逆?87年间,无数数学家试图证明它,全部折戟。如今,一个AI模型用最直接的方式给出了答案——不是证明,而是找到三个不同的点,被同一个多项式映射送到了同一个输出点。三个点撞车,映射必然不可逆,猜想当场死亡。2
AI找到的不是答案,是钥匙。反例的价值不是“AI算对了”,而是它开始能帮人类找到那把一直没被找到的钥匙。这两件事有本质区别:计算是分析,搜索是洞察。验证雅可比反例只需代入三个点——任何人会求偏导的大学生都能核对。但从无数可能的多项式组合中,筛出那个既满足局部条件、又打破整体直觉的特殊结构,这种能力,过去只属于极少数有深厚直觉积累的数学家。3
机器的优势恰恰是人类直觉的盲区。数学家习惯追求简洁优美的证明,这种审美偏好会下意识屏蔽那些“看起来很丑、很不自然”的构造。而反例恰恰常藏在这些边缘地带。AI没有这种心理负担——它可以冷酷地在人类思维的审美缝隙中精准挖出致命反例。Erdős单位距离猜想等跨越几十年的难题,被AI用同样的方式接连击穿:大规模生成候选结构,高速筛选可验证对象,把“这个命题可能是错的”变成可检查的事实。4
从助手到猎手:AI角色的跃迁
过去一年,AI在数学中的形象经历过一次身份切换。早期的叙事是“证明助手”——帮人类补全证明步骤、检查逻辑漏洞。Lean、Coq等形式化证明器承担的就是这个角色:AI负责执行,人类负责判断。但反例搜索彻底颠覆了这种分工。它不需要从已知出发逐步推导,而是从无数可能性中直接“捞”出反例。这种能力,本质上是搜索,不是推理。5
AI负责搜索,Lean负责验货。2026年夏天的费马大定理形式化研讨活动中,一个模型生成了约120万行Lean代码,而mathlib社区花了9年才积累230万行。代码能跑通,就说明证明链条没有跳步——这是AI时代数学验证的新速度。6
人类数学家没有消失,而是升级了。AI能杀死猜想,但不能决定哪些猜想值得被提出。未来数学家最稀缺的能力将从“证明力”转向“品味力”:提出一个值得被推翻的问题,比推翻问题本身更难。Buzzard的态度很现实:即便AI找到的是“看起来随机”的构造,数学家的任务没有消失,而是转向理解这些反例背后的结构、提炼概念、重建理论版图。机器能找到裂缝,但把裂缝变成新地图,仍需要人的理解力。7
看懂AI数学突破的三个检查点
面对“AI解决数学难题”的新闻,普通人怎么判断是真突破还是营销噱头?看三条硬标准:反例是否可复现——有没有明确对象、代码或形式化文件;谁完成了验证——是模型自述,还是独立程序、证明助手或研究团队复核;反例改变了什么——它只是一个边缘漏洞,还是帮助形成了更准确的新命题。如果这三点说不清,它更可能只是一个有趣候选,而不是真正的数学进展。7
代码通过编译,还不等于数学界接受。Lean能证明某段代码没有跳步,却不能替人类判断这个形式化陈述是否抓住了原问题的全部含义。更不能自动给出可理解的新理论。对雅可比猜想来说,三维反例成立不意味着二维情形被解决——后者至今仍是开放问题。AI给的是一把钥匙,但每扇门后面的风景,仍然需要人类数学家去辨认。8
真正危险的,是把价值全押在手工推导上。Kevin Buzzard——Imperial College数学教授、mathlib核心维护者——已经公开表态:不使用这些每月约200美元模型的博士生,可能才是在错失机会。他的逻辑很直接:AI可以生成百万行代码,可以快速搜索反例,可以把不成熟的想法先跑通再判断。拒绝这套工具,不等于保持纯粹,而是主动放弃了效率。6
下一个被AI“猎杀”的猜想是谁?
凡是可以机械化“验尸”的数学命题,AI都有碾压级优势。组合数学、图论、代数结构——这些领域的特点是问题定义清晰、验证过程可自动化。AI就像一个超级穷举器,可以遍历人类靠纸笔根本算不完的情况。数学研究正从“提出猜想→长时间尝试证明→偶然发现漏洞”,逐渐变成“提出猜想→快速压力测试→修正命题→再进入证明”。AI在这里扮演的角色,是一台不会疲倦的“数学压力测试机”。7
但AI还没法取代“创造问题”的人。黎曼猜想、朗兰兹纲领——这类需要百万级推导步骤、需要“从零搭建全新游戏规则”的底层原创洞察,当前所有大模型都不具备。AI能穷举,但它不能从无到有发明新概念。悉尼大学Geordie Williamson的类比很精准:古希腊数学家凭抽象思维凭空构造出完美对称的二十面体,AI只能在已有几何图形基础上生成变体。这是当前AI的天花板,也是人类数学家最后的护城河。9
数学曾被视为人类智慧最纯粹的领域——不依赖实验,只需要思维本身。如今,AI正在证明:在这片最纯粹的领域里,硅基思维同样可以留下足迹。这不是取代,而是分工重构:人类负责提出值得研究的问题,机器负责高频探索边界,人和形式化工具共同核验结果。当机器开始替人找反例,人类数学家反而要更专注于提出好问题——这是比证明更难被替代的能力。2
验证成本趋近于零的时代,判断价值才稀缺。对普通人来说,这意味着一个前所未有的变化:不需要权威背书,代入算一遍就能知道反例是否成立。数学不再是少数人的专利,而是可以被验证的逻辑游戏。87年的悬案一夜倒下,下一个会是谁?答案可能就躺在某个AI模型正在搜索的候选空间里——只是还需要一个懂得提问的人类,把门打开。10

评论

评论区空态插画

当前文章无评论,是时候发表评论了