首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于
智能AI morning

「外星智能」降临,AI联手人类砸碎了百年数学圣杯

2026-11-23 1 阅读 约10分钟阅读 新智元
分享:
字号:
新智元报道 AI造出近3000亿个变量的怪物方程,8天后,中国数学家把它压到了26个 292,890,231,905。 这是某个数学方程里的变量个数。 11月5日,逻辑学家埃利奥特·格雷泽(Elliot Glazer)甩出一份手稿。他和几款AI联手,造出了一个包含近3000亿个变量的多项式方程。 这个怪物只干一件事:从全体有理数里,精准认出谁是整数。 它的最高次数,据说远超全宇宙的原子总数。论文里根本印不下它,只能存成一套生成代码。 消息一出,学术圈炸了。有人在社交平台上打了个比方:这就像人类刚在火星挖出一个看不懂的外星戴森球。 反转来得比想象中还快。 短短一天后,伊利诺伊大学芝加哥分校(UIC)的几位学者接过手稿,把它压缩到了12504个变量,次数直接打回4次。 接着,一场接力赛开始了。几百个、221个……数字一路狂跌。 11月13日,南京大学数学家孙智伟交出一篇新论文。 变量数定格在了: 26个 。 8天时间。从近3000亿,到26。 一道悬了百年的题,和一个「整数鉴别机」 1900年夏天,在巴黎第二届国际数学家大会上,大卫·希尔伯特列出了23个数学难题,为整个20世纪的数学指明了方向。 其中第十个问题,听起来像个编程题: 能否找到一个万能算法,判定任意「丢番图方程」有没有解? 别被名字吓到。所谓丢番图方程,就是系数是整数、并且只收整数解的多项式方程。 比如 2x + y = 5。如果只收非负整数答案,它的解就是 (0, 5)、(1, 3)、(2, 1)。 大名鼎鼎的费马大定理,本质上也是在研究一族丢番图方程有没有正整数解。 这个问题让人类啃了整整70年。 直到1970年,苏联数学家马季亚谢维奇等人联手终结了它,这就是著名的 MRDP定理 。答案很干脆: 万能算法不存在。 可数学家天生爱钻牛角尖。整数世界的问题解决了,那把门槛放宽一点呢? 如果我们不再死磕整数解,而是允许解是 有理数( 也就是说未知数可以是分数,也可以是整数),万能算法存在吗? 在数学上,这就是证明「整数集ℤ在有理数域ℚ中是丢番图的」。 然而,这条路线长期未能走通,甚至面临一个更根本的疑问:这样的「整数鉴别机」,会不会根本不存在? 早在1992年,数学家巴里·马祖尔(Barry Mazur)就提出了一个关于有理点拓扑的猜想,并在1995年的文章中进一步讨论:对任何定义在有理数域上的代数簇,其有理点集在实点空间中的闭包,都只有有限多个连通分支。 如果这一猜想成立,那么用这种多项式方程在有理数中精准圈出整数,就确实不可能。 翻译一下就是:只要马祖尔猜想成立,「整数鉴别机」就绝无可能存在。 几十年里,无数数论和代数几何学者盯着这座高山,始终找不到上山的路。 直到2026年秋天,AI敲响了大门。 从近3000亿到26:人类把答案变成数学 这场风暴,源于OpenAI在10月6日扔出的一份预印本。 OpenAI的内部数学团队宣布,他们给出了有理数上希尔伯特第十问题的否定性解答。 紧接着在10月中旬,数学家索海尔·法尔汉吉(Sohail Farhangi)借助ChatGPT 6 Pro,搭出了一个条件性证明框架。 真正的冲击,发生在11月5日。 Principia Labs的研究员埃利奥特·格雷泽宣布:他在多款AI的协助下,直接把那台「整数鉴别机」造出来了。 知名数论学家阿比谢克·萨哈看到手稿的第一时间惊呼: 这个多项式,直接把整套整数丢番图理论,完整映射进了有理数方程之中! 代价,就是那个天文的数字: 292,890,231,905个变量 。 之所以如此大,是AI「暴力直译」——把所有算术规则、校验条件、高维几何构造一层层硬塞进方程里。拼得越老实,变量就越多。 它只在乎逻辑上能不能闭环,根本不考虑是否具有美感。 学术圈全网沸腾,吐槽和惊叹齐飞: 这就像人类刚在火星挖出一个无法理解的外星戴森球,结果几个小时后,外星人走过来把它折叠成了一个魔方。 没错,就在格雷泽发出怪物方程的 24小时内 ,UIC的学者加布·科南特(Gabe Conant)、卡罗琳·特里(Caroline Terry)和詹姆斯·弗雷塔格(James Freitag)迅速跟进。 他们结合法尔汉吉的手稿重写翻译方案,把变量数从近3000亿砍到了12504个,次数压回4次。 12504个变量的4次方程……我的大脑光是想象这个矩阵就已经死机了。 随后,科南特等人继续压缩,把数字压到了221个。 高潮在11月13日到来。 南京大学数学家孙智伟在arXiv挂出预印本,一刀砍下去,变量数只剩 26个 。 翻开孙智伟这篇论文,有一个细节格外动人。 AI只出现在摘要的第一句话里 ——交代了一句这项工作受到OpenAI成果的驱动。 仅此一句,再无多余。 往下翻,通篇都是数学家熟悉的笔法,逻辑严密,干净利落,26个未知数整整齐齐摆在纸面上。 来源交代了,答案消化了。那近3000亿个变量,就这么被人类一行一行磨没了。 机器给出的答案,丑得没法看,可能对,但没人读得下去。人类接过接力棒,一点一点打磨,最后把它变成了真正能读、能欣赏的数学。 这大概就是AI进入数学界最理想的样子: 机器负责冲锋,人类负责让答案成为数学。 到目前为止,无论是近3000亿变量的版本、12504个变量的四次方程,还是孙智伟的26变量论文,都还没有通过严格的同行评审。 格雷泽自己泼了一盆冷水,坦言,这项证明的形式化验证(比如用数学界最严苛的定理证明器 Lean 4 来跑通),进度惨不忍睹: 形式化验证将需要非常漫长的时间。我们消耗了大量的算力,但目前的智能体集群,内部估计仅仅完成了 5% 的形式化进度。 为什么这么难? 因为这个证明动用的解析数论工具和代数几何构造,远远超出了 Lean 现有数学库(Mathlib)的覆盖范围。 证明里包含大量密集计算,根本不可能仅靠 Lean 的三条标准公理在合理时间内跑完。研究团队只能采取「切片式验证」(Factored Verification):先在外部软件跑完密集计算,再打包成「经认证的公理」硬塞进 Lean 框架里。 这就引出了一个尖锐的信任危机: 如果一个数学证明由多款AI撰写、多款AI审计,其中绝大部分高维代数变形人类根本没法手算复核,我们凭什么相信它是对的? 面对质疑,格雷泽搬出了数学史上的两个著名「黑箱」为自己辩护: 逻辑学家整天把 MRDP 定理挂在嘴边当工具用,但绝大多数人根本没看过它的完整证明; 群论之外的学者也常引用「有限单群分类定理」(CFSG),可这定理的证明长达几万页,人类历史上压根没有哪个人从头到尾完整读完过它。 格雷泽认为,很多时候定理的陈述本身就是一座高价值的黑箱,外界只需要一张「真值证书」就够了。 话虽如此,数学大厦终究不能建在沙丘上。 格雷泽在项目仓库首页老老实实写着一条免责声明: AI的多轮审计,绝不等于独立的人类同行评审。 外星智能降临,数学家的下一个战场 而比具体定理更深远的,是数学自身的命运。 长久以来,纯数学一直被视为人类智力的荣耀,是思维的体操。 但现在,数学正在被迫生出了「实验科学」的气质——AI像大型强子对撞机一样,把几千亿个变量砸在一起疯狂对撞、筛选、吐出结果;而人类数学家戴辨认仪器屏幕上划过的轨迹,再提炼成人类能读懂的公理
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱