AI菲爾茲獎級震撼：數學證明的理解與驗證斷裂

AI菲爾茲獎級震撼：數學證明的理解與驗證斷裂

With 報新聞看人工智能最新消息

文：張恭銘

2026年10月6日，OpenAI在GitHub上一口氣發布了722篇由內部前沿模型生成的數學手稿，涵蓋372個成果組，觸及代數幾何、數論、理論計算機科學與拓撲學等核心領域。其中一篇關於「準黎曼猜想」的證明，被羅格斯大學數學系主任Alex Kontorovich公開評價為：「若由人類做出，毫無疑問能立刻獲得菲爾茲獎。」這不是單一成果的突破，而是一場對數學研究範式的「地毯式轟炸」——2022年菲爾茲獎得主Hugo Duminil-Copin的措辭更為激烈：AI證明「核平了數學景觀，每次爆炸後都讓這片土地越來越難以棲居」。

震撼的事實：一天之內釋放數十年的研究積累

這批成果的規模本身即構成事件的核心。OpenAI的模型嘗試解答約4,000道數學問題，最終篩選出372個成果組，平均每項成果消耗的算力約等於ChatGPT Pro連續推理三小時。在納維–斯托克斯方程的證明中，約1萬個AI智能體並行運行88小時，計算成本達數百萬美元。與此同時，Google DeepMind的研究同期發表於《Science》，AI解決了數十個未解數學問題，包括9個埃爾德什問題和44個整數序列相關猜想。

然而，這批手稿的學術狀態極不穩定。截至10月7日，719篇保留的手稿中僅約42%的主要結論完成了Lean形式化驗證，OpenAI已撤回3篇論文，多位數學家向《大西洋月刊》表示「至少部分論文似乎並未證明其所聲稱的內容」。形式化驗證確認的是邏輯步驟的正確性，卻無法評估科學重要性或原創性——這正是爭議的起點。

理解與驗證的斷裂：數學認識論的深層危機

這場風暴的真正深度，在於它暴露了數學作為一門學科所依賴的兩個核心支柱——驗證與理解——正在被同時掏空。

驗證層面的問題是技術性的。Lean語言可以確認證明的邏輯正確性，但正如《Science》的評論所指出的，自然語言證明與自動形式化Lean證明之間存在「誤譯現象」，自動形式化的證明不應被先驗地信任，而應接受與人類證明相同的同行評審。OpenAI與數學與AI顧問小組（AGMAI）在關鍵議題上分歧重重：顧問委員會呼籲科技公司停止利用未公開模型測試高等數學難題，OpenAI明確拒絕。

理解層面的問題更為根本。菲爾茲獎得主陶哲軒承認AI證明的「有益新想法」，但對「沒有人能解釋、回答問題或教導學生」表達了「深度沮喪」。菲爾茲獎得主Alessio Figalli的診斷更為精準：「與顯微鏡不同，AI並不能讓先前不可見的現象為研究者所觀察和詮釋。」他進一步指出，AI「無法解釋哪個洞見使決定性突破成為可能，也無法說明證明的哪些部分是真正原創的」。166頁的納維–斯托克斯證明缺乏人類數學家所預期的清晰邏輯序列，定義在沒有明確論證或貢獻說明的情況下出現。

研究生態的結構性損害

25位菲爾茲獎得主的聯名聲明將這一危機命名為「人工智能在數學中的嚴重錯位」——關鍵詞不是「抵制」，而是「錯位」。AI公司的目標與數學共同體的目標正在系統性地分離。當AI公司將攻克數學難題作為模型性能的「跑分」基準，數學研究本身就被工具化了。

這種錯位對研究生態的損害是多重的。Figalli警告，AI解題的速度引入了「繞過研究、掙扎、失敗和投入時間的誘惑」，尤其對職業早期的研究者而言，這種捷徑可能阻礙真正推動數學知識所需的重要判斷力的發展。Duminil-Copin則指出，他在講座、論文和資助申請中公開討論過的重大未解問題「全部被AI證明了」，他對同事和學生的處境表達了深切擔憂。牛津大學教授Martin Bridson的立場最為清醒：「我們不應該讓自己局限於追隨它們的腳步。」

不確定性作為新常態

OpenAI的數學「地毯式轟炸」標誌著一個轉折點的到來，但這個轉折點的性質遠比「AI能否做數學」更為複雜。真正的問題在於：當證明的生成速度遠超人類的理解與消化速度，數學作為一門「理解」的學科的根基是否正在被侵蝕？陶哲軒的「直升機vs徒步」比喻抓住了核心張力——直升機能把你空投到瀑布前，但沿途的地圖不會自動出現。當AI將數學證明從「探索的過程」壓縮為「輸出的結果」，我們是否準備好面對一個答案充沛而理解匱乏的數學未來？這個問題的答案，將決定AI究竟是數學家的合作者，還是數學這門學科自身意義的終結者。