--- author: Best Partners TV date: '2026-08-28' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=6jYnYJXTmxw speaker: Best Partners TV tags: - artificial-intelligence - mathematics-proof - large-language-model - combinatorics - scientific-discovery title: 埃尔德什猜想的终结：AI如何将数学家的“终极游乐场”重塑为技术竞技场 summary: 本文系统记录了2026年AI在数学领域取得的突破性进展。以保罗·埃尔德什的悬赏问题为切入点，探讨了从外包客服到菲尔兹奖得主陶哲轩在社区中的扁平协作，以及Google DeepMind和OpenAI在解决数十年未解猜想上的技术交锋，反映了AI对数学研究范式的深刻重塑。 insight: '' draft: true series: '' category: ai-ml area: tech-engineering project: [] people: - 保罗·埃尔德什 - 陶哲轩 - 托马斯·布鲁姆 - 诺加·阿隆 companies_orgs: - OpenAI - Google DeepMind products_models: - GPT-5.2 - Astra - Gemini media_books: [] status: evergreen --- ### 历史性证明的诞生：AI跨越数理边界的象征性节点 2026年5月20号，**OpenAI**发布的一条官方公告，在世界范围内的整个数学界激起了巨大的震荡。公告中指出，他们一个尚未正式对外公开的AI模型，成功推翻了匈牙利传奇数学家**保罗·埃尔德什**（Paul Erdős）在1946年提出的一个经典数学猜想。这不仅是学术界的一次震动，更是人类历史上人工智能第一次产出具有里程碑式历史意义的数学证明。在这个已经困扰了全球数学家整整80年的经典数学难题上，这个AI模型另辟蹊径，找到了一个此前从未有人想到过的反例。 这一突破并非孤立的偶发事件，它在几周之内便引发了连锁的智力反应。人类数学家们在看到AI给出的全新思路后，迅速跟进并基于此做出了进一步的改进。短短几天之后，相关的技术方法就被科学家们成功迁移，用以解决其他领域的重要数学问题。这种人机协同的效率展示了前所未有的知识生产速度。 到了同年的8月1号，**OpenAI**再次抛出了更震撼的消息：他们旗下代号为**Astra**的AI模型，一口气拿下了10项数学进展。在这10项引人瞩目的进展中，就包含了对埃尔德什提出的另外三个开放问题的解答。面对如此密集的智力产出，普林斯顿大学的**诺加·阿隆**（Noga Alon）教授在仔细审视了这些数学结果后，发出了一句由衷的感叹：“这些模型正在极大地改变数学研究的方式。”阿隆教授在自己几十年的学术职业生涯中，曾亲手攻克过几十个埃尔德什提出的数学问题，是该领域的殿堂级人物。他的这番表态，无疑是对AI在高等数学领域研究能力的最权威背书。 对于很多不熟悉数学史的普通公众来说，这一切听起来可能只是一次普通的“AI又赢了”的公关新闻，就像多年前**深度学习**（Deep Learning: 模拟人脑神经网络进行特征学习的方法）在围棋盘上击败李世石，或者在复杂的电竞比赛中战胜职业选手一样，热闹一阵就归于平静。然而，一个值得我们所有人深思的问题是：为什么偏偏是埃尔德什留下的问题，成为了全球最强大科技公司在人工智能前沿角力的核心竞技场？为什么不是其他如黎曼猜想、哥德巴赫猜想等人们耳熟能详的数学难题，而是这个叫埃尔德什的人留下的遗产？要理解这背后真正蕴含的学术分量，以及AI在数学研究这条路上究竟走到了多么深邃的境地，我们必须首先将视线转回保罗·埃尔德什本人，去理解他那传奇的一生与独特的遗产。 ### 浪游者的遗产：埃尔德什的数学悬赏与独特人生 保罗·埃尔德什是世界数学史上最多产的数学家之一，甚至在很多学者看来，“之一”这两个字都可以直接去掉。他一生发表了超过1500篇高质量的数学论文，与多达500多位合作者共同工作并发表成果。这一极其惊人的纪录直到今天依然无人能破，成了数学界一座难以逾越的高山。然而，埃尔德什最特别的地方，从来不仅仅在于他那令人望尘莫及的论文产出数量，更在于他那近乎纯粹神迹般的生活方式。 在世俗的眼光里，埃尔德什简直就是数学界的一个浪游传奇。他一辈子没有固定的住所，没有固定的工作，在物质上几乎一无所有。他终其一生只拎着一只半旧的手提箱，在世界各地的数学家朋友家里流浪蹭住，从一所大学漂泊到另一所大学，居无定所，走到哪里就算哪里。只要到了一个地方，他就立刻与当地的数学家开始疯狂地讨论数学问题，一旦讨论出结果，他又拍拍屁股走向下一个目的地。他将自己获得的大部分学术奖金和讲学收入都慷慨地捐了出去，甚至自己的个人财务都需要由一位知心朋友帮忙打理，因为他自己根本就不关心任何与钱相关的事情。 他的生活习惯极其独特且近乎偏执：他只穿丝绸材质的衣服，因为他认为其他任何材质都会让他的皮肤感到不舒服；他极力避免与任何人产生身体接触，甚至连最基本的握手也尽量避开；他对世俗的权威深感不信任，私下里将上帝称作“最高法西斯”，并抱怨这位上帝总是把数学中那些最美妙的真理藏在某些角落，不让人类轻易找到。为了维持高强度的智力输出，维持自己源源不断的数学灵感，他长期且持续地摄入**安非他命**（Amphetamine: 一种中枢神经兴奋剂）。他的朋友们曾极度担心他的身体健康，并跟他打赌说他绝对不可能停药一个月。埃尔德什接受了这个赌约，并且确实在一个月里没有碰药。然而在这一个月中，他向朋友抱怨自己大脑一片空白，什么数学研究也做不出来。赌约结束后，他便又继续服药。 在埃尔德什所有的独特习惯中，最让数学界津津乐道的，就是他喜欢在各种场合到处抛出数学问题。无论是在正式的学术论文里、写给同行的信件中，还是在会议休息期间的闲聊里，他都会随手写下一个他刚刚想到的有趣问题，并在问题旁边随性地标注一个悬赏金额：10美元、25美元，遇到他认为特别困难且特别关键的核心问题，金额甚至会高达几千美元。第一个成功解决这些问题的人就可以凭借解答去向他兑现这笔钱。这些钱全是由埃尔德什个人自掏腰包。在当时，这并不是为了作秀，而是他独特的激励同行、推动数学科学向前发展的方式。 1996年，83岁高龄的埃尔德什在华沙参加一次数学会议时，因突发心脏病不幸去世。在他离世的时候，身边还散落着未完成的数学手稿。然而，他留下的庞大问题集并没有随着他的生命终结而消失。爱荷华州的一个非营利基金会向数学界承诺，将继续兑现埃尔德什生前留下的所有悬赏金。如今，距离他去世已经过去了整整30年，这些问题的解决方案正在以另一种全新的货币来计价——那就是每一个难题的攻克，需要消耗多少**代币**（Token: 语言模型处理文本的基本单位）。一个一辈子都在反抗权威、形同流浪汉的传奇数学家留下的智慧遗产，在30年后，竟然以这样一种看似不可思议的方式，成为了全球最强科技公司竞相炫耀技术肌肉的公关武器和前沿算法试验场。这确实充满了荒诞与魔幻的色彩。然而，如果没有一位英国数学家的自发努力，这一切可能不会发生得如此迅速，至少不会以当前这种全民参与的形态呈现在世人面前。 ### 扁平化协作的摇篮：erdosproblems.com 的社区微光 这位扮演了关键桥梁角色的英国数学家名叫**托马斯·布鲁姆**（Thomas Bloom）。他在英国曼彻斯特大学致力于**算术组合学**（Arithmetic Combinatorics: 研究数集加法与乘法结构的数学分支）的研究。布鲁姆从小就极度崇拜埃尔德什的数学风格，特别是他提出那些简洁、优雅且直击本质的数学问题的方式。但随着研究的深入，布鲁姆一直面临着一个巨大的烦恼：埃尔德什一辈子提出了太多散落四处的问题，它们零散地分布在不同的论文、私人信件以及同行的谈话记录中，到底哪些问题已经被前人解决，哪些问题依然悬而未决，整个学术界根本没有一个系统性的清晰梳理。对于想要在这个方向深耕的研究者来说，仅仅是查阅文献、厘清现状，就需要耗费大半的精力。 在2023年初，布鲁姆下定决心自己动手解决这个痛点。他决定把能够找到的所有埃尔德什问题，尽可能全面地收集整理并做成一个列表。最初这只是他做给自己方便使用的一个本地工具，但随后他意识到，如果将这个列表做成一个随时随地都能通过网络访问的开源网站，并大方地分享给其他有着相同学术需求的数学家，显然会有更大的社会价值。于是，他亲自动手搭建了这个名为 erdosproblems.com 的网站。 有趣的是，布鲁姆在编写这个网站的核心Python代码时，很多代码都是通过**ChatGPT**协助完成的。要知道，那可是2023年的年初，当时大语言模型能够帮人类写出一些基础的、可以正常运行的网页代码，就已经让许多人感到足够惊奇了。至于说让AI去进行原创性的前沿数学研究，甚至解决几十年悬而未决的数学猜想，在当时简直是天方夜谭，根本没人会当真。 布鲁姆在运营这个网站时并没有做简单的信息堆砌。因为很多问题是埃尔德什随口提出或者口头记录的，不同版本之间往往存在语意模糊或表述不一致的问题。布鲁姆投入了大量的精力去进行考证，找出每一个问题最合理、最被数学界广泛公认的精确学术版本，并详细标注其历史来源和当前的研究现状。随着他不断将新发现的问题录入网站，erdosproblems.com 的受众也开始缓慢而坚定地增长。它从布鲁姆一个人的私人工具，演变成了越来越多从事组合数学和数论研究的高校学者和研究人员每天必看的平台。 到了2025年8月，布鲁姆已经在网站上系统性地编目了将近1000个埃尔德什问题。在这个节点上，他做了一件看似微不足道的小改动——为每一个问题页面的下方添加了用户评论区功能。就是这一个看似普通的社交功能，却在无形中促成了一个充满生机的学术协作社区的建立。此后在这个领域发生的所有戏剧性故事，几乎都发源于这个小小的网页评论区。 这个评论区里随后发生的故事，堪称是互联网最初创立时那种理想主义的最佳典范。在如今互联网的大多数地方，一个人的学术声誉、所在的机构级别、头衔的高低，往往决定了他在公共发言中话语权的分量。然而在 erdosproblems.com 的评论区里，这些世俗的学术枷锁似乎瞬间失效了。在这里，不管你是否拥有大学的终身教职，不管你是在常春藤名校还是在普通学校，甚至不管你是不是一位职业数学家，只要你能够提出足够深刻的思想，拿出逻辑严密、无懈可击的论证过程，你的想法就会得到社区同仁的绝对尊重与认真对待。这种极其平等的智力交流氛围，很快就催生了跨越社会身份的奇迹。 ### 跨越身份的智力共振：外包客服与菲尔兹奖得主的平等对话 在这个活跃的社区中，第四活跃的发言评论者叫作**沃特·范·多恩**（Wouter van Doorn）。如果去探寻范·多恩在现实生活中的正式工作，答案可能会让很多学术界的人感到吃惊。用他自己的话来说，他只是为一家被其他大公司雇佣来提供客户服务支持的客服外包公司工作，是一名普普通通的客服外包员工。然而在十年前，他也曾差一点在比利时著名的鲁汶大学完成他的数学硕士学位，只是后来因为种种个人原因与现实的压力，他没能继续在正统的学术道路上走下去。 2024年，当目睹大语言模型的能力以令人瞠目结舌的速度一天天飞速增长时，范·多恩做出了一个勇敢的决定：他向公司请了六个月的无薪长假，暂时放下手头琐碎的客服工作，将全部的时间与精力都投入到自己未竟的数学梦想中。他当时的想法非常朴素，但也极其真实：“在此时此刻，我仍然觉得自己在数学上比AI更擅长，但谁能保证一年后、两年后甚至是五年后会发生什么？如果我想要完成那些我从小就梦寐以求的数学项目，现在就是最好的时机，我必须行动起来。” 2025年10月，范·多恩在埃尔德什第1102号问题的页面下方留下了他的第一条讨论评论。到了11月初，在完全没有依赖任何AI工具辅助的前提下，他凭借自己扎实的数学底子，在研究思路上取得了一些实质性的突破，并大方地将自己的推导逻辑分享在了评论区里。当天晚些时候，有一位社区成员在下方回复了他，并非常敏锐地指出了他论证过程中的一个隐蔽缺陷。针对这个缺陷，范·多恩与这位回复者在评论区展开了密集的学术交锋。 他们你来我往，互不相让，用逻辑和数学公式进行推演。在经过几轮激烈的讨论后，范·多恩成功完善了自己的推导，并最终说服了对方。那位挑出缺陷的数学家在最后留下了一条充满敬意的回复：“我现在完全明白你的论证了，非常漂亮！”而这位在网络另一端与外包客服小哥平等对话、真诚交流的数学家，正是大名鼎鼎的**陶哲轩**（Terence Tao）——加州大学洛杉矶分校（UCLA）教授、**菲尔兹奖**（Fields Medal: 国际数学界的最高奖项）得主、当今世界上公认最伟大的数学家之一。一个在社会底层做着外包客服的数学爱好者，与一位站在人类智力金字塔顶端的菲尔兹奖大师，就这样在这个小小的网页评论区里，卸下了所有身份与辈分的包袱，仅仅为了真理本身进行着平等的智力切磋。 陶哲轩与埃尔德什之间的学术缘分，可以一直追溯到他10岁的时候。当时陶哲轩是家喻户晓的数学神童，埃尔德什在访问澳大利亚时亲自接见了他，并耐心地给他出题。至今数学界还流传着一张经典的照片：满头银发的埃尔德什蹲在地上，正专注地给年幼的陶哲轩讲解复杂的数学问题。到了2015年，陶哲轩与 Polymath5 项目的合作者们一起，利用互联网大规模协作的模式，成功解决了著名的**埃尔德什偏差问题**（Erdős Discrepancy Problem: 关于无限符号序列局部和的界限猜想），并按照当年的约定，拿走了埃尔德什生前悬赏的500美元奖金。如今，陶哲轩以这种在社区里平等回复普通爱好者的方式，继续传承着埃尔德什那不拘一格、只看学术不看出身的纯粹精神。 ### 调教大模型的艺术：提示词工程与多智能体核验 在社区的另一个角落，两个年轻人也在用他们的方式改变着游戏规则。2025年夏天，**凯文·巴雷托**（Kevin Barreto）和**利亚姆·普莱斯**（Liam Price）在一个AI爱好者的 Discord 服务器里结识并成为了志同道合的朋友。巴雷托当时是英国剑桥大学的数学系本科生，而普莱斯虽然也曾经系统地学习过数学，但因为中途退学而没有拿到正式的学位，属于民间的业余数学爱好者。两人都对如何利用AI进行数学研究这一前沿方向抱有极大的热情。 到了2025年12月，在测试了市面上最新的模型后，他们确信最新一代的AI模型在数学推理上已经具备了攻克某些埃尔德什悬赏问题的潜力。于是，他们开始采取“批量轰炸”的策略，把网站上的问题成批地喂给模型，挨个进行尝试。在这个过程中，他们很快摸索出了一个非常微妙且有趣的**提示词工程**（Prompt Engineering: 通过设计输入文本引导模型输出更优结果的技术）窍门。 两人发现，如果直接在提示词中告诉大模型（例如 **GPT-5.2**）：“这是一个数学界至今尚未解决的著名开放猜想”，模型往往会变得极度保守和拘谨，给出的解答思路大多空泛且缺乏实质性进展。相反，如果你在提示词中故意隐瞒这一点，不告诉它这是一个未解的难题，只是用中立的学术语言将问题描述出来，让AI误以为这只是一道教科书上的普通课后习题，甚至在语气中暗示这道题其实非常简单，模型反而能够放下“心理负担”，给出很多极具创意且非常有价值的推导思路。AI在面对“难题”时也会产生类似人类的“压力”，需要人类用一些巧妙的策略去“诱骗”它，这成了一个充满黑色幽默的发现。 2025年圣诞节的早上，巴雷托兴奋地在 erdosproblems.com 网站上发表了一个数学证明，并在帖子里大声宣称，这是人类历史上大语言模型完全自主解决埃尔德什问题的首个成功案例。然而，仅仅几个小时后，现实就给他泼了一盆冷水。社区里的其他数学家在评论区中指出，这个问题其实早在1977年，埃尔德什本人在发表的一篇论文中就已经给出了明确的解答，只是巴雷托和普莱斯在前期做文献检索时漏掉了这篇文献。在圣诞节早晨闹出这样一个乌龙，无疑是非常尴尬的，但巴雷托表现得非常坦率与真诚，他大方地承认了错误，并在社区里留下一段诚恳的文字：“我正式向网站的全体成员请求，我们必须更加重视对目前被标记为未解问题的学术文献检索。作为一个已经两次犯过类似检索错误的人，我感到相当沮丧。” 这次挫折并没有击垮这两个年轻人的热情，他们继续优化自己的方法论。到了2026年1月4号，他们使用 **GPT-5.2 Pro** 成功解决了解答列表里的第728号问题。这一次，他们进行了极其严密的文献筛查，确认在人类现有的文献库中确实没有任何已知的证明。不仅如此，巴雷托还引入了一个名为 **Aristotle** 的专业AI工具，对推导出的证明步骤进行了严密的逻辑符号验证，以确保每一步演绎都无懈可击。 在此期间，普莱斯也摸索出了一套被证明非常有效的**脚手架架构**（Scaffolding: 围绕大模型搭建的辅助控制与校验代码流）：首先让一个大模型生成一个初始的证明草稿；接着，将这个草稿喂给一个全新的、独立的AI实例，让这个新实例扮演极其挑剔的评审人角色，专门给草稿挑错、找逻辑漏洞并给出修改意见；随后，将这些意见反馈给前一个模型进行修改。如此反复迭代数十轮，直到两个AI模型之间再也找不出任何明显的漏洞为止。这种多模型互相校验的机制，实际上正是当时各大头部AI实验室在内部极力推进的技术路线，而普莱斯仅仅凭借一己之力，用手工迭代的方式重现了这一范式。 然而，这套方法很快就撞上了一个无法回避的结构性隐患。普莱斯本人坦诚地评估过自己的能力，他虽然有数学基础，但根本没有足够的专业深度去独立判断AI生成的复杂证明在逻辑底层是否真正成立，他无法察觉那些隐藏在代数深处的精细漏洞。要证明这个结果的正确性，他们必须寻找真正的职业数学家来担当最终的审查人。在巴雷托的学术人脉帮助下，他们成功联系到了陶哲轩以及斯坦福大学的**贾里德·杜克·利希特曼**（Jared Duker Lichtman）等一流学者。最终，在2026年5月，这两位原本默默无闻的业余爱好者，与陶哲轩、利希特曼共同署名发表了一篇正式的学术论文，彻底解决了一个分量极重的埃尔德什猜想。 ### 范式转移的焦虑与反思：当人类不再能够完整阅读证明 尽管这个故事听起来像是一个草根逆袭、科技民主化的励志典型，但 erdosproblems.com 网站的创建者托马斯·布鲁姆却对此产生了一种深层学术伦理上的忧虑。布鲁姆在一次公开采访中表达了他的担忧：“目前一个非常严峻的问题是，很多并没有受过系统数学训练、缺乏深厚数学背景的人正在大量借助AI生成数学结果。他们自己没有能力去验证这些输出是否正确，但却急于追求推进的速度。他们让AI去生成证明，再让另一个AI去核验这个证明，最后拼凑出论文。现在学术界正在看到越来越多这种长达100页甚至200页的漫长论文。作者宣称自己解决了一个定理，但实际上从头到尾没有一个人类真正读过它，未来大概也不会有任何人类去读它。” 这种担忧直击现代科学研究的核心痛点。如果一个数学证明的长度和复杂度超出了任何人类大脑的阅读极限，以至于我们不得不完全依赖另一个AI模型来代替我们进行逻辑审核，那么如果审查的AI自身也存在某种未被发现的算法盲区呢？如果两个AI在某种逻辑悖论中达成了一致，人类该如何自处？这种自我循环论证的学术泡泡，让数学这门曾被认为是最纯粹、最讲求确定性的科学，蒙上了一层不确定性的迷雾。 然而，学术界的焦虑并不能阻挡科技巨头们高歌猛进的步伐。进入2026年初，随着业余爱好者的探索铺平了道路，拥有庞大算力与人才储备的工业界正规军开始系统性地收割战场。 在2026年1月，**Google DeepMind** 一个由24名顶级研究员组成的联合团队，使用他们的 **Gemini** 模型，对布鲁姆数据库中被标记为开放状态的700个数学猜想展开了系统性的地毯式清扫。最终，他们不仅成功解决了其中的4个难题，还额外找出了9个早已被人类遗忘在历史文献角落里的旧解答。到了5月，DeepMind 另一个由21人组成的团队再次宣布，他们从353个候选问题中成功解决了9个。经过成本核算，平均每个问题消耗的算力成本仅为几百美元。这种开发成本与传统数学家数年甚至数十年枯坐研究所耗费的社会资源相比，便宜得近乎不可思议。 紧接着，就是5月20号那场震惊世界的公告。**OpenAI** 宣布他们找到了**单位距离问题**（Unit Distance Problem: 探讨平面上n个点中距离恰好为1的点对数量上限）的反例。这个几何学问题的描述非常朴素，甚至连小学生都能听懂，但从1946年埃尔德什提出该问题起的80年里，全球的几何学家都普遍深信，最佳的构造方案应该类似于我们常见的方形网格结构。然而，大模型直接打破了这一维持了80年的直觉信念。它利用代数数论这一与几何学看似相隔甚远的数学分支工具，成功构造出了一个全新的构造族，其性能表现显著优于经典的方形网格。 剑桥大学教授、菲尔兹奖得主**蒂姆·高尔斯**（Tim Gowers）在认真研读了这篇由大模型主导撰写的论文后，给出了极高评价：“如果这篇论文是由人类学者撰写并提交给《数学年刊》的，哪怕我只是被邀请给出快速评审意见，我也会毫不犹豫地建议编辑部直接接受。在此之前，没有任何AI生成的数学证明能达到这样惊人的学术成熟度。”要知道，《数学年刊》（Annals of Mathematics）是整个数学界的至高圣殿，多少数学家终其一生都无法在上面发表一篇文章。而这一次，这篇论文的作者署名位置，只有一个冷冰冰的公司名字——OpenAI。 ### 智力活动的终极叩问：钢琴机器与数学研究的本质追求 回顾这段历史，我们不禁会问，为什么搞AI的科学家们如此偏爱拿埃尔德什的问题来当大模型的试金石？归纳起来，主要原因有三点： * **问题特性的天然契合**：埃尔德什的问题大多集中在数论、组合学以及图论等离散数学领域。这些领域的特点是，问题的描述往往非常简洁、直观，不需要像代数几何等领域那样需要阅读几百页文献去掌握复杂的前置概念。然而，在简单的表述背后，却往往隐藏着极其精妙且深邃的代数结构。这种“描述简单、结构深邃”的特性，正好与大语言模型的文本模式识别与搜索生成能力完美契合。 * **梯度分明的难度区间**：这些猜想的难度跨度极大。有些简单的问题，一个聪明的数学系本科生花上几天可能就能摸到门路；而最难的问题，几十年来甚至连世界最顶尖的数学大师都束手无策。这为尚处于快速演进期、能力参差不齐的AI模型提供了一个极佳的“爬坡跑道”——AI可以先易后难，逐步验证并升级自己的算法架构。 * **高质量的结构化基准数据集**：布鲁姆搭建的 erdosproblems.com 网站提供了一个极其完美的现成入口。正如贾里德·利希特曼所言，这个单一的、人人皆可访问的问题数据库，让所有AI实验室意识到，它就是一个天上掉下来的完美基准测试库，可以用来直观地衡量大模型的逻辑推理能力。 随着AI在数学领域逐渐展露出超越人类的统治力，身处洪流之中的数学家们做出了截然不同的个人抉择。 曾解决过数十个埃尔德什猜想的普林斯顿教授诺加·阿隆，选择直接退出了这个领域的研究。他的理由非常现实且冷酷：“一旦AI开始能够成批解决这些问题，人类继续在这上面耗费时间就没有多大意义了。”陶哲轩也逐渐淡出了埃尔德什问题的讨论区，将自己宝贵的精力转向了其他更需要人类宏观直觉指引的数学方向。 而外包客服小哥范·多恩在直面自己被AI全面超越的现实时，显得极为释然与清醒：“大语言模型在做数学和逻辑思考上显然已经比我更强了，我根本无法与当前的AI系统竞争。但我发现，我最终写出来的证明往往更简单、更通用，也比大模型想出来的那些充斥着复杂计算的方案更容易被其他人类同行所读懂。” 接着，范·多恩说出了一段引人深思、值得我们反复品味的话：“**如果你想弹钢琴，你绝对不会雇一台弹得比你更好的钢琴演奏机器放在家里替你弹。你之所以选择自己去弹钢琴，是因为你发自内心地喜欢弹琴，享受指尖触碰琴键、旋律在耳边流淌的那个过程。做数学也是一样的道理，我享受思考数字、推导数学定理、撰写学术论文的过程，我不会雇一台机器来代替我过完这一生。**” 然而，最聪明的头脑，往往在用脚做着最现实的投票。2026年7月，被授予数学界最高荣誉菲尔兹奖的多伦多大学教授**雅各布·齐默尔曼**（Jacob Tsimerman），在获奖当天的欢庆氛围中，出人意料地宣布了一个决定：他将离开他工作多年的传统学术界，正式加入 OpenAI 成为一名全职研究员。诺加·阿隆在得知这个消息后评价道：“现在一些最一流的数学家选择离开大学去AI公司工作，这绝对不仅仅是因为那里开出了高额的薪水。更核心的原因在于，他们直觉地感到，那里才是未来人类数学和智力探索真正发生的前沿阵地。” 一个一生居无定所、提着手提箱在世界各地的朋友家里蹭饭、到处用几十美元悬赏数学问题的流浪数学家，在他去世30年后，他留下的那些手稿和猜想，竟然阴差阳错地将一个客服小哥与菲尔兹奖得主连接在了同一个网络评论区里，让没有学位的业余爱好者与常春藤名校的教授成为了共同署名的论文作者，甚至彻底改变了当代顶尖数学家对职业路径的选择。 我们此时此刻，正站在一个非常微妙且宏大的历史节点上。人工智能已经开始触及人类智慧皇冠上最纯粹的那颗明珠——数学证明。过去，当围棋软件击败人类时，我们安慰自己说围棋毕竟只是规则固定的封闭博弈；当AI学会写文章和代码时，我们认为它只是在模仿和拼接人类既有的历史文本。然而这一次，大模型在一个困扰了人类智力整整80年的开放问题上，给出了人类从未想象过的全新反例，运用了人类从未想过的跨领域工具。 这不仅仅是计算能力的胜利，更是对人类独有的创造力和逻辑边界的一次深刻探索。AI最终会将人类的数学研究带向何方？未来的数学家究竟会扮演怎样的角色？或许，正如那台钢琴演奏机的隐喻所昭示的，无论科技如何迭代，人类对于真理的亲身探索与对思考过程本身的纯粹享受，永远是任何机器无法替代的生命体验。