5月中旬，菲尔兹奖得主蒂姆·高尔斯读完一份还未公开的数学证明后，敲下了一句让整个数学界没法再假装平静的评价：“毫无疑问，单位距离问题的解决是AI数学的一个里程碑。”他不是在评价某位天才同行——这份证明的完整思路，来自OpenAI的一个内部模型。
同一时间，多伦多大学的丹尼尔·利特教授也在网上写道，这是他第一次对一个由AI自主产生的结果感到兴奋，而不是只把它看作某种“领先指标”。能让一位数学家说出“兴奋”这个词的，是一个在离散几何领域沉睡了80年的著名猜想——埃尔德什单位距离猜想。简单来说，这个猜想关心的是：在一个平面上，最多能有几个点，两两之间的距离恰好都是1？听上去像一道几何游戏题，但80年来，它把一代代人类数学家拦在了门外，直到一块GPU把门推开了一条缝。
OpenAI没有藏着掖着，而是把结果提前分享给了几位数学家，请他们审阅并发表第一反应。让高尔斯说出“里程碑”的，并不仅仅因为这是一道难题被解开，更在于这很可能是AI系统第一次针对一个重要的开放猜想，给出了一套完整的证明。如果说以前AI在数学上的表现还像一名拿着参考答案的高中生，这次它有点像那个坐在黑板前独立写出证明段落的博士生了。
要衡量这一步有多大，得往回看三年的路程。三年前，大语言模型连两位数加减法都会算错；仅仅去年，它们才开始在全国性高中数学竞赛里拿到高分。今年1月，世界上最大的数学年会——联合数学会议——上，我注意到AI已经能开始为数学研究提供助力，但那种助力非常受限：研究人员往往需要花极大的力气去解释AI的输出，才能把它“翻译”成一个可以发表的定理。那个阶段的AI，更像一个语出惊人的灵感参谋，你不能直接把它的推导当作论文提交。
而这一次的突破刚好跨过了一条分界线。OpenAI的AI模型可不是从零发明了一套新数学。它做了一件极其务实的事——把离散几何、概率方法等好几个子领域里已有的工具，以一种人类没来得及尝试的方式组合起来，跑通了整个证明链条。换句话说，AI并没有创造出任何一项人类历史上没出现过的数学技术，但它在已有的“武器库”里找到了最佳搭配，并且肯花海量时间试错那些人类知道大概行不通的枯燥路径。证明发布后，几位人类数学家对它进行了一番打磨和扩展，才让最终的证明版本变得足够优雅，但核心思路依然是AI找到的那一条。
这就把话题引到了一个更值得兴奋的方向：未来一段时间，人类和AI在数学里可能不再是竞争关系，而是一对彼此补短的搭档。为什么？因为AI有一个人类无法匹敌的优势——它能把几百年来积累的上万条定理、引理、旁支成果全部装进“记忆”里，而且从不嫌烦。当一个证明策略可能要走几十步繁琐推导、很大概率走不通时，人类往往不会投入时间，AI却会心平气和地一头扎进去，用算力反复试探边界。
人类数学家不会被取代的理由同样清晰：真正能推开一个领域大门的，往往是深度思考后提出的那个“问题本身”。丹尼尔·利特在作出那一句兴奋的评价时，他看重的显然也不是AI能代劳一切，而是一种新的可能性——用AI的广博去覆盖那些人力难及的角落，让人去问下一个更刁钻、更有趣的问题。就像一辆越野车能比人跑得更远更颠簸，但决定开向哪片沙漠的，依然是握着地图的人。
当然，如果仔细掂量一下“AI自主证明猜想”这种表述，会发现它离真正意义上的自主还有距离。AI没有主动选择去攻哪个猜想，是人类把问题、把数学语言构成的战场准备好，它才开始行动。也没有一个AI坐在那里说“我发现了”。这次的突破本质上仍是人与机器协作的结果：人负责定义问题、判断什么算有意义的结果，机器负责在浩瀚的可能性空间里寻找通路。
但站在2026年回看，这件事依然会让你心头微微一跳。三年前我们还在讨论AI为什么不会做四则运算，现在它已经开始参与解决80年悬而未决的难题，而且用的方式并不是什么靠运气蒙对的捷径，是踏踏实实把既有的数学工具组织成逻辑自洽的长证明。这不再是“AI能拿高分”，而是它开始以一种可被数学家检验的方式，去触碰那个一直被人类独享的领域——创造新的数学知识。
高尔斯在写下“里程碑”时，也许已经预见到一点：今后衡量AI数学能力的标尺，将不再是解竞赛题的速度，而是它能否让一个犹豫了80年的猜想，承认它可以被一条人机协作的思路真正关上。下一个猜想是谁呢？没有人知道，但至少我们有了一个可以追问的起点。
热门跟贴