AI真的只能做“做题家”吗？Google Research联合顶尖学府的最新研究给出了否定答案。Gemini大模型已从辅助工具蜕变为科研合作者，不仅能推翻人类学者的既有猜想，还能自主推导复杂公式，在密码学、经济学、物理学等多个理论科学领域展现出突破性的创造力，正在重塑人类探索知识边界的方式。
智能速览
Gemini已从解题工具转变为理论科学研究的实质性合作者。
通过人机协作新方法，AI成功发现前沿密码协议的致命漏洞。
AI自主构建反例，直接驳斥了经济学领域一项长期存在的猜想。
在数学难题上，Gemini跨学科运用几何定理，提出创新性解法。
在天体物理领域，AI独立为宇宙弦引力波难题推导出精确闭式解。
“Vibe-proving”新模式出现，即由AI生成证明初稿，人类专家审查验证。
精华内容
Gemini的突破并非偶然，其背后是一套精密的人机协作方法论，让AI得以在复杂的理论科学中游刃有余。
协作新范式
为让AI参与专家级科研，研究团队构建了关键协作规则。“迭代提示与改进”方法将大问题分解为可验证的子任务，由人类提供高层级框架，引导模型填补细节。“思想的异花授粉”则利用模型跨学科知识储备，识别不同领域间被人类忽略的隐秘联系。此外，“神经符号循环”技术让模型嵌入编程环境，通过代码验证假设并自我修正，形成自主修剪无效推理分支的闭环。
证伪与洞察
在密码学领域，Gemini发现了一项名为“简洁非交互式论证”（SNARGs）的前沿协议存在致命漏洞。模型采用“对抗性自我纠正”策略，敏锐指出论文中“完美一致性”定义与实际构造间的逻辑缺陷，该发现已获专家确认。在经济学领域，针对“在线次模福利最大化”问题，AI没有顺着一个猜想去证实，反而自主构建了一个具体反例，通过繁琐的期望计算，成功反驳了谷歌科学家提出的猜想，展现了独立批判能力。
跨域解题法
面对图论中的最大割近似算法难题，Gemini跳出了传统的组合优化思路，将其重构为几何泛函分析问题，并创造性地建议应用斯通-魏尔斯特拉斯定理来建立方差界限。在计算几何的斯坦纳树问题中，AI发现关键在于希尔伯特空间映射中的基尔斯布劳恩扩展定理，借助这一常被忽视的数学工具，成功完成了证明。这种跨学科的知识迁移能力，为解决长期开放问题提供了全新路径。
精算与优化
在理论天体物理学中，为预测宇宙弦的引力辐射，Gemini在一个神经符号系统中推导数学公式并编写Python代码验证。通过反馈循环，AI自主发现六种解析路径，最终结合盖根鲍尔多项式展开，为这个长期难题推导出精确的闭式解。在数据处理领域，AI将次模函数最大化算法的近似比从约0.55精确提升至2-√2，并将香农熵估计的内部状态复杂度从多项式级优化至多对数级，展现了惊人的优化效率。
流程重塑
研究证实，Gemini已有能力重塑论文写作流程。在理论计算机科学领域，专家通过高层级提示进行“氛围编程”，Gemini能自主生成关于搜索问题与决策问题等价性的证明，并在被指出错误后迅速修正策略，几乎独立完成高质量理论论文初稿。这种人机协作模式被称为“Vibe-proving”，即利用AI的直觉生成草稿，再由人类严格审查。未来，结合Lean等交互式定理证明器，有望从根本上保证科学发现的正确性。
Gemini的实践证明，前沿AI已具备参与顶级科学研究的潜能，成为人类智慧的放大器而非替代品。这种人机协作的“Vibe-proving”模式，正加速理论科学的突破。未来，当AI的逻辑推理与人类的直觉洞察更深融合，科学的疆界将被推向何方？
