数学史上最难啃的一块骨头,可能正在被AI撬动。
11月20日,Anthropic数学家Levent Alpge公开了一份四页说明,称自己在Claude的帮助下,找到了黎曼猜想的证明。他还声称,这一方法解决了范围更广的广义黎曼猜想(Generalized Riemann Hypothesis)。

1859年,德国数学家伯恩哈德·黎曼提出这一猜想。此后167年间,无数数学家试图寻找它的证明,却始终没有成功。它不仅是克雷数学研究所设立的七大千禧年数学难题之一,也被认为是现代数论最重要的开放问题之一。
这次,Alpge没有拿出一篇可以供同行直接阅读的完整论文,而是公布了一份基于Lean证明助手生成的形式化证明证书。据其介绍,这份代码达到1700万行。如果将整个论证转换为人类能够阅读的数学文本,篇幅可能超过25万页。
更值得注意的是,Alpge坦言,在论证推进到后半程时,Claude已经明显超出了他的理解能力。
消息传出后,数学界并没有立即迎来一场庆祝。对于这项尚未经过独立同行验证的成果,数学家需要首先判断它是否真的成立;而在更深处,一场关于AI究竟应该如何参与数学研究、谁应该拥有发现的署名权,以及人类数学家未来还能做什么的争论,已经持续了数月。
一个困扰人类167年的数学问题,可能迎来了新的答案。但比答案本身更值得关注的,是AI正在改变数学研究的方式。
值得一提的是,Anthropic刚于11月19日上市,市值最高冲击全球前六,同日,其被近90位研究学者、创始人联合签署信件抵制,他们指控Anthropic一边警告 “能自我改进的 AI” 可能脱离人类控制,一边自己冲在最前面,抢着第一个把它造出来。
现在,这个冲突可能更激烈了。
黎曼猜想:一个关于数字的猜想,困扰了数学界167年
要理解这次事件的分量,需要先理解黎曼猜想究竟在研究什么。
质数,是只能被1和自身整除的正整数,比如2、3、5、7、11。它们是整个整数体系的基础,也在现代密码学等领域扮演重要角色。
但质数有一个长期困扰数学家的问题:它们看起来分布得毫无规律。
从自然数序列中观察,质数时而密集,时而稀疏。数学家能够通过素数定理描述它们整体上的平均分布,却很难精确解释它们在局部究竟如何排列。
1859年,黎曼在研究一类特殊函数时,发现了质数分布与黎曼ζ函数之间的深刻联系。
这个函数可以先从一个简单的表达式理解:
ζ(s)=1+1/2^s+1/3^s+1/4^s+……
这里的s并不是普通的实数,而是一个复数。黎曼发现,ζ函数的零点与质数的分布密切相关。
黎曼猜想提出:除了那些显而易见的零点之外,ζ函数所有非平凡零点的实部,都等于1/2。
如果把复数的实部和虚部看作平面上的横纵坐标,那么这些零点全部落在一条特定的竖线上。
这看起来只是一个关于函数零点位置的判断,背后却关系到数学家能否更加精确地理解质数的分布规律。
克雷数学研究所对这一问题的官方解释是,素数定理给出了质数平均分布的情况,而黎曼猜想则进一步约束了这种分布偏离平均值的程度。
它的意义并不局限于质数本身。
过去一个多世纪,大量数学研究以黎曼猜想成立为前提,推导出一系列重要结论。如果它最终得到证明,这些以猜想为条件的数学结果,将获得更坚实的理论基础;如果它被推翻,相关领域也需要重新审视建立在这一假设之上的推论。
2000年,克雷数学研究所将黎曼猜想列入七大千禧年数学难题,并为每一道题设置100万美元奖金。
截至目前,人类已经通过计算验证了前10万亿个非平凡零点均位于实部为1/2的直线上,但有限范围内的验证,并不等于对无限多个零点的证明。
这正是数学证明的特殊之处:它要求一个结论对所有符合条件的对象成立,而不是在已经计算过的范围内没有发现反例。
因此,如果Alpge与Claude的成果最终通过严格验证,其意义将远远超出一次AI性能测试。
它可能意味着,一个人类研究了167年的基础数学问题,第一次获得了完整证明。
需要注意的是,截至11月21日,Alpge公布的仍是个人提出的证明主张,尚未经过独立专家的完整审查,也没有一篇可供数学界直接审阅的完整自然语言证明。克雷数学研究所规定,千禧年难题的解答还需要在合格的同行评审期刊发表,并经过至少两年的审查,才能进入奖金评定程序。
数学家开始抵制AI,答案不只是害怕被取代
如果只看AI在数学领域取得的进展,这似乎是一件值得整个学术界庆祝的事情。
数学家长期面对的难题,有了新的研究工具;过去需要数年甚至数十年才能完成的工作,可能被压缩到数小时、数天。
但数学界的反应并不完全是兴奋。
今年以来,围绕AI参与数学研究的争议持续升温。6月,一份名为《莱顿人工智能与数学宣言》(Leiden Declaration on Artificial Intelligence and Mathematics)的文件正式发布,提出应当为AI进入数学研究建立新的规范。
这份宣言由国际数学研究者共同推动,并获得国际数学联盟(IMU)背书。
它并没有反对数学家使用AI。相反,文件承认AI可能推动数学研究进入新的阶段,但同时提醒,技术进步正在触及数学研究赖以成立的几项基本原则:证明的可靠性、成果的透明度、学术贡献的归属,以及数学研究的自主性。
这些担忧并非抽象的职业焦虑。
首先,是证明到底是否可靠。
在数学领域,一个看似正确的论证与一个真正正确的证明之间,存在着不可逾越的区别。
大模型可以生成逻辑连贯、术语准确的数学文本,但它也可能在复杂推导中遗漏条件,或者将一个尚未得到证明的结论当作前提。
即使引入Lean这样的形式化工具,也不能完全消除问题。计算机能够验证形式化语言中的逻辑推导,却不能自动保证这份形式化代码与人类原本要表达的数学命题完全一致。
今年10月,伦敦国王学院和剑桥大学研究者就曾针对OpenAI公布的Navier-Stokes方程相关证明提出质疑。
他们发现,OpenAI公布的人类可读证明与对应的Lean形式化版本之间存在不一致。这并不能直接证明原始数学结论错误,却说明一个重要问题:机器通过了形式化检查,不等于人类版本的论证也已经得到完整验证。
其次,是数学研究成果究竟应该归谁。
传统数学研究有一套相对清晰的规则:研究者提出问题、发展方法、完成证明,最终由作者承担责任,并通过论文发表接受同行检验。
但当一个封闭的商业模型参与了关键推导,情况就变得复杂。
模型可能综合了大量数学家的既有研究成果,却未必能够准确标注这些思想的来源。最终发表成果时,究竟应该如何区分人类研究者、AI工具以及此前数学文献的贡献?
这不是简单地给AI署名的问题,而是整个学术评价体系都需要面对的新问题。
《莱顿宣言》明确提出,AI参与数学研究时,研究者仍然需要披露工具使用情况、充分引用前人的成果,并对最终结论的正确性承担责任。数学成果的作者身份和责任,不能简单转交给机器。
更现实的压力来自学术研究本身的节奏。
今年9月,OpenAI曾宣布,其AI系统围绕Navier-Stokes方程相关问题取得突破。根据MIT News的报道,OpenAI调动数千个AI智能体,经过88小时研究,生成了相关证明。
但这场竞赛也引发了数学界的争议。
当时,纽约大学数学家Tristan Buckmaster与Anthropic的研究者已经围绕相关问题开展了长期研究。OpenAI突然宣布成果,让研究者开始追问:谁应该获得优先权?此前研究过程中产生的数据和提示词是否得到妥善保护?企业是否真正理解并能够验证自己发布的数学成果?
OpenAI否认了有关不当获取研究提示词的指控,但这场争议已经暴露出AI公司与传统学术界之间的利益冲突。
对于数学家来说,数学研究并不只是尽快给出一个正确答案。
一道难题之所以值得研究,往往是因为它能够引导人们发展新的理论、建立新的工具,甚至打开一个此前没有人注意到的研究方向。
如果AI可以在很短时间内批量解决过去的开放问题,数学家未来应该研究什么?那些尚未被机器解决、但不适合当前AI技术路径的问题,是否会因为缺少商业价值而被忽视?
11月20日,MIT举办了一场关于AI与数学未来的讨论。来自MIT、哈佛大学、西北大学和纽约大学的数学家参与其中。
西北大学数学家Bryna Kra谈到,数学在过去两个月发生的变化,可能超过过去100年。她既为AI带来的机会感到兴奋,也对其影响感到不安。
哈佛大学数学家Michael Hopkins则对部分AI生成的数学论文提出批评,认为其中存在难以理解的推导和奇怪的思路。纽约大学数学家Tristan Buckmaster强调,数学的重要性不仅在于得到结论,还在于人类能够理解结论为什么成立。
这也是一部分数学家选择暂时不使用AI,甚至自称“AI素食主义者”的原因。
他们担心的并不只是机器会不会抢走自己的工作,而是当研究越来越依赖商业模型、算力和自动化证明,数学会不会逐渐失去原本的研究自主性。
当AI可以更快地生成答案时,人类对什么值得研究、什么样的证明才真正有意义,以及如何理解一个发现的价值,可能变得更加重要。
黎曼猜想最终能否被证明,仍需要时间给出答案。
但一个新的问题已经出现:如果AI能够替人类找到答案,人类是否还需要理解答案为什么成立?
这或许才是Claude这次事件留给数学界,乃至整个科学界更值得思考的命题。
(文章来源:凤凰网科技)