狂解722道数学难题,AI解题速度超越人类验证,数学家如何接住这封“战书”?

新民晚报记者 张依文 郜阳

全球数学圈

最近无疑经历了一场“大地震”

今年夏天，王虹因挂谷猜想的三维版本获得了菲尔兹奖；不到三个月，OpenAI称其AI已解决四维版本！就在数天前，其一口气放出了722篇论文，尽管仍有待核查，但许多知名未解难题似乎已被攻克——数学家一觉醒来，发现自己的研究可能被终结了！

面对AI下的这封“战书”，人类数学家还有什么还手之力？近日，一场“数学与计算机科学×数字未来”的跨界对话在浦东的未来启点社区举办。新民晚报记者注意到，数学界的反应复杂而矛盾，兴奋与担心同时写在许多人脸上。

可以说，AI直接“降维打击”了人类智力的绝对巅峰——数学。

当OpenAI解开了困扰人类百年的难题时，迎来的却不是人类的狂欢，而是一场巨大的、深不见底的认知恐慌。

过去，一位数学博士往往需要花费数年时间，在海量的文献中寻找灵感，为了证明一个小小的引理而绞尽脑汁。哪怕只能作出一点点原创性贡献也足以顺利毕业，并在学术界谋得一席之地。

然而，时代变了。随着AI大模型的飞速进化，尤其是自动定理证明器与大语言模型的深度结合，AI已经拥有了令人胆寒的数学发现能力。

菲尔兹奖得主陶哲轩的一段视频近日“出圈”了，这位向来拥抱新技术的顶尖学者发出警告：“我们必须放缓AI发展。现在的速度简直疯了，根本没有理由那么快！”

过去，一道难题被攻克后，证明者会到处做报告，同行组织研讨会“一起啃”，新合作和新问题随之出现，年轻人被吸引进领域，证明被一步步简化，最后写进教科书；现在，难题被AI批量解出，提交结果的人自己也讲不清楚，这一连串的反应也就不再发生，而无人“消化”，这些方法就传不下去了。

在跨界对话中，中国科学院计算技术研究所副所长包云岗提出质疑：OpenAI一下子给出了722个数学难题的答法，可哪有足够的数学家来验证其正确性？

两个月前，包云岗曾以听众身份参加了数学界一场关于AI的圆桌论坛，国内顶尖数学家的论辩给他留下了深刻印象。有观点指出，数学研究长期遵循“猜想—证明—验证”的三步范式。AI目前主要发力于第二步，能够显著提高证明效率；但在另两个环节，它的锋芒尚未充分显现——第一步，AI还没有提出让数学家眼前一亮的猜想；第三步则更棘手，当AI深度参与证明后，如何验证正确性反而成为新难题。

“AI给出答卷，再由AI验证——这样的结果，我们还能信吗？”

包云岗由此给出一个判断：一项任务是否适合让AI来做，验证的难易程度更具决定性。若验证容易，AI大概率能很好地完成任务，因为它可以进入快速迭代学习的过程；若验证困难，正确性难以自动判断，就仍需大量人力参与验证。“因此，关键不在于让AI包揽一切，而在于寻找验证容易的任务，或将验证困难的任务改造成验证容易的任务，再交给AI。”

“现在不一定是数学家最好的时代，但是是数学最好的时代。”北京大学北京国际数学研究中心博雅特聘教授董彬如是说。

在他看来，数学研究向来就不只是证明开放性问题。“数学在早期其实更像一种实验科学，最有价值的是提出问题、构建新的理论体系，使以前我们无法描述的东西可以被描述。数学是语言，而语言最主要的目的，是创造新的词汇、新的表达、新的语法，组出新的句子，让我们能够更准确、更优雅地描述一件事情。这才是数学的初心。”

面对AI带来的冲击与挑战，越来越多专家学者开始构想前景。深势科技创始人兼首席科学家张林峰把科研抽象为一个基本过程：人提出问题，用工具解决问题。然而，知识大爆炸使领域不断细分，人受限于自身知识储备与工具数量，在许多方向上推进得愈发艰难。“我们看到的机会是什么？是把底层技术要素进行全面的‘AI整合’。整合之后，就能在各个领域更快地解决问题。”

他大胆推断，未来，AI会继续吞噬人类引以为傲的领域。节奏可能是：数学—理论科学—计算科学—实验科学。在他看来，实验科学之所以会最慢被“吞噬”，是因为物理世界的反馈最慢；不过，自主实验室等进展正在扩大反馈规模、提高反馈效率与质量，这一局面也在悄然改变……

值得一提的是，就在昨天（11日），由菲尔兹奖得主、清华大学讲席教授丘成桐院士牵头，清华大学求真书院、上海数学与交叉学科研究院等8家机构联合组建的丘成桐数学与人工智能实验室联盟成立。

丘成桐表示，相较于他从事数学研究50年来所见证的那些伟大突破，如今AI的威力可以说更加震撼。他认为，如果善加利用，AI可能催生划时代的科研成果。