AI正在暴力破解数学难题,它到底是助手还是对手?

今年的数学界，被AI攻城的密度前所未有。

5月20日，OpenAI宣布其推理模型自主推翻了保罗·埃尔德什提出的“单位距离猜想”——一个困扰数学界80年的问题。菲尔兹奖得主高尔斯评价：“此前没有任何AI生成的证明能接近这个水准。”一天后，谷歌DeepMind的AlphaProof Nexus还以颜色，一口气解决9道Erdős公开难题，其中2道悬置了56年。

7月，Anthropic员工Levent Alpöge自曝：看世界杯决赛时，顺手用Claude模型“Fable 5”找到了雅可比猜想的反例——这个1939年提出的难题，人类磕了87年。反例本身紧凑得近乎讽刺：一个216字符的三变量多项式映射。

最惊人的是黎曼假设的进展。Anthropic的Claude把临界线上零点占比的下限从停滞多年的41.6%推到67.2%。过程很“AI”：第一轮尝试650个想法全部失败；第二轮调动约60个子智能体，执行2400条命令、写下数百个Python脚本，自我审查、互相评审，还下载54篇论文确认不是重复造轮子——最后主动建议由人类数论学家把关。

愤怒之外，还有一层更尴尬的追问：这些突破，到底是新模型的本事，还是数学家亲手喂出来的？

追问不是空穴来风。数学界几十年积攒的猜想、论文、证明，正是大模型训练语料里最精华的部分。Erdős难题库是公开的，历届IMO的题目和人类的解法都在网上，Claude攻黎曼时下载精读的那54篇论文，是一代代数学家留下的。换句话说，数学家先当了多年的陪练，把毕生功力喂给了对手。

于是死结出现了——

如果破解靠的是这些“弹药”，那本质上就是数学家资敌：你花一生筑起的知识体系，成了机器踩过你肩膀的垫脚石。

如果新模型不需要这些，靠自身推理就能直接破题，那更冷：花了千百年训练出来的数学家，往后还有什么意义？

两头都不舒服。OpenAI当天就因为一个正负号错误撤回3份手稿、连带拖垮另外两篇，反而给了第三种讽刺：机器会犯错，但发现并修正错误的那活儿，还是得人类来——被抢了饭碗的人，给抢饭碗的擦屁股。

能力跃升本身不是争议焦点，打法才是。

陶哲轩此前已联合25位菲尔兹奖得主呼吁商业公司放慢脚步，无果。这一次，人类数学协会AHM在声明中直接开火：“没人求你们解这些题！一次性发布700多个文件，这不算科研，是炫耀算力霸权。”

数学家的深层焦虑有三层。其一，AI写出的证明人类看不懂——雅可比猜想反例的阅读者形容“像嗑了致幻剂的人写的东西”，数学家得打开另一个AI来“翻译”AI的论文，从创造者沦为废墟上的考古学家。其二，速度失衡：验证、梳理、沉淀，全落到人类头上。其三，丧失过程：正如《量子杂志》的比喻，你被瞬间传送到高山之巅，没有攀登过，真理在那里，但你从未真正“知道”。

撕裂真实存在。有学者坦言自己研究的三个问题被AI解掉后“如释重负”；图灵奖得主LeCun则说：船的发明降低了游泳的重要性，但船让我们发现了新大陆。

而Claude攻黎曼的案例恰恰示范了另一种可能：AI负责在千军万马的死路中搜索，人类专家负责把关、验证、提问——它不是替代数学家，而是把数学家的直觉武装成侦察兵。AI擅长在已有工具间组合出人没试过的路径，但提出新概念、新猜想、新定义，仍是人类的主场。

所以答案或许是：AI不是数学家的对手，是数学史的加速器——只是它跑得太快，快到了理解反而成了最贵的环节。会用工具、知道结果，和理解工具背后的原理，从来不是一回事。前者交给机器，后者，仍然是我们不能让渡的领地。