AI新工具免费开放数学家可在个人电脑破解世纪难题

以往，破解一个复杂的图论难题，可能需要调动成千上万台计算机，连续运行数周。

而今天，数学家们在个人电脑上就能做到。

加州帕洛阿尔托的创业公司Axiom Math近期发布了一款名为Axplorer的免费AI工具。它的目标很宏大：帮助数学家发现那些从未被注意到的数学模式，从而打开解决一系列长期悬而未决的难题的大门。

更关键的是，它让这种曾经只属于“计算特权阶层”的能力，飞入了寻常研究者的“桌面”。

从超级计算机，到你的桌面

Axplorer并非凭空诞生，它是另一个强大工具PatternBoost的“民用版”重构。

2024年，现任Axiom研究科学家的François Charton在Meta期间共同开发了PatternBoost。这个工具实力不俗，曾成功攻克了图论中一个著名的难题——Turán四圆环问题。

但它的代价也极为高昂：需要在超级计算机集群上运行。

“我当时真的有数千、有时是数万台机器可以调用，”Charton回忆用PatternBoost解决Turán问题时说，“它跑了三周。这真是令人尴尬的蛮力计算。”

Axplorer的目标，就是将这种“蛮力”背后的智慧，浓缩到一台个人电脑中。据Axiom团队称，Axplorer仅用2.5小时就在一台机器上复现了PatternBoost攻克Turán问题的成果。

这意味着，任何能在自己电脑上安装Axplorer的研究者或学生，都获得了一柄探索数学未知疆域的利器。

大模型有局限，新工具补短板

最近几个月，不少数学家开始用GPT-5等大语言模型（LLM）来尝试解决历史遗留问题，尤其是已故数学家保罗·埃尔德什留下的数百个谜题。

但Charton对此不以为然。“有大量问题悬而未决，只是因为没人看过它们，从中找到几颗可以解决的‘宝石’很容易，”他说。他的目光瞄准的是更艰难的挑战——那些被反复深入研究、无数著名学者钻研过的“大问题”。

Turán四圆环问题正是其中之一。这类问题属于图论，这个数学分支被用于分析社交媒体关系、供应链和搜索引擎排名等复杂网络。

Charton指出，LLM的优势在于处理“衍生性”工作。“这并不奇怪——LLM是用所有现有数据预训练的。但你可以说LLM是保守的，它们试图重用已有的东西。”

然而，数学中许多问题需要的是前所未有的新想法和洞见。有时，这些洞见就来自发现从未被发现的模式。这样的发现能开创全新的数学分支。

Axplorer（及其前身PatternBoost）的设计初衷，正是帮助数学家发现新模式。它的工作方式有点像迭代进化：你给工具一个例子，它生成一批类似的；你从中挑选出看起来有趣的反馈给它，它再基于这些生成更多……如此循环，引导研究者走向未知的疆域。

与许多由大公司开发的尖端AI工具（如谷歌DeepMind的AlphaEvolve）不同，Axplorer选择了开源。其代码已在GitHub上公开。

Axiom Math的创始人兼CEO Carina Hong本身就是数学家。她坦言，现在向数学家推销的AI工具很多，有些还要求研究者自己训练神经网络，这让人望而却步。而Axplorer的设计是逐步引导用户完成他们想做的探索。

她希望学生和研究人员能用这个工具来生成他们正在研究问题的样本解和反例，从而加速数学发现。

但数学界的态度是审慎的。曾与Charton共同开发PatternBoost的悉尼大学数学家Geordie Williamson表示，Axiom Math对原工具做了一些改进，理论上让Axplorer能应用于更广泛的数学问题，但“这些改进有多重要还有待观察”。

“我们正处在一个奇怪的时刻，很多公司都有希望我们使用的工具，”Williamson补充道，“数学家们某种程度上被各种可能性淹没了。再增加一个这样的工具会带来什么影响，对我来说还不明确。”

他欢迎新工具，自己也常使用LLM，但他认为数学家还不该扔掉白板。“PatternBoost是个好想法，但它当然不是万灵药，”他说，“我希望我们不要忘记更接地气的方法。”

Axplorer的出现，象征着AI for Science（人工智能助力科学）正从大型机构的专属武器，转变为更普惠的研究基础设施。

它或许不是万能钥匙，但它确实降低了探索数学最前沿的门槛。当发现新模式的能力不再受制于庞大的计算资源，谁能预见，下一个数学 breakthrough 会从哪个研究者的笔记本电脑中诞生？

数学的未来，或许就藏在每一次模式发现的微光里。而Axplorer，正试图为更多人点亮那盏灯。