一道悬了五十六年的数学题,终于有了答案。答题的既不是哪家研究所的教授,也不是哪位天才少年,是DeepMind的AI。
消息10月8日刊于《科学》期刊。成果一口气解掉埃尔德什问题清单上的九个形式化子问题,其中两道悬置整整五十六年——1970年由埃尔德什与萨科齐联手提出,那一年,如今活跃的许多数学家还没上学;另有数道以变体形式攻克,算是解了原题的近亲。更值得称道的是一个细节:DeepMind没先开发布会吹号角,成果交给了同行评审,经审稿人逐条核验,方才刊出。正经事,就该这么办。
先介绍主角。不是这台AI,是出题的那位,保罗·埃尔德什。二十世纪数学界的奇人,独一份:没有家,没有积蓄,一只手提箱走天下,常年借住各地同行家里,人称数学界的流浪汉。他一生与五百多位数学家合署论文,总数超过一千五百篇,史上罕见。他有句常挂在嘴边的名言——数学家是一台把咖啡转化为定理的机器。这话最早出自好友雷尼之口,被他引用引用着,成了自己的招牌。老先生喝着咖啡出题,一辈子留下大小开放问题几百道,有的悬赏几美元,有的悬赏上千美元。1996年他与世长辞,那本厚厚的未解清单留给了后人。有人逐条核对,至今仍有许多空着。
为什么几十年前的题目清单值得关心?数学界解题讲究抢答,谁先解出,荣誉归谁,天经地义。埃尔德什的题库,正是抢答题库。一道1970年的开放问题站到今天,好比一根火柴烧了半个多世纪,愣是没人能吹灭。解出一道,等于给这个行业的将军添一颗星;一口气九道,分量自己掂量。
怎么做到的?论文细节还需细读,大方向说得清。这套名为AlphaProof Nexus的系统,打法不是蛮力乱撞,是“生成—验证”的闭环:模型在形式化语言Lean里起草证明,编译器逐行核验,哪步错、错在哪,如实反馈给模型,改了再验,验了再改。人类数学家靠直觉找路,卡住了会怀疑人生;机器把每一步钉死在逻辑上,编译器不点头,半步都迈不过去。正是这套笨规矩,逼着大模型不跑偏。战报也有冷的一面:系统在三百多道埃尔德什问题上整体成功率只有百分之一二,啃下来的是Mathlib定理库积累较厚、能拆成小目标的题;需要发明全新理论的硬骨头,它暂时碰不动。账也得两面看——论文称单题推论成本几百美元,但有学者提醒,这笔账只算了成功的执行,翻车的成本没算进去;编译器只保证证明对“写下来的命题”成立,命题是否忠实翻译了原题,还得数学家人工把关。顺带的战果同样惊人:同一篇论文里,它证明了OEIS在线整数序列库四百九十二个开放猜想中的四十四个,回答了一道悬置约十五年的代数几何问题,还改进了min-max优化的一个已知界。清积案的效率,肉眼可见。
这一回最该点赞的,不是解出,是送审。AI行业这几年花活不少:成果先甩上预印本平台,再上发布会喊一嗓子,同行评审没影。就在这一周,OpenAI把七百多篇AI生成的数学手稿一股脑甩上GitHub,不经期刊,不带评审,陶哲轩带头抵制。对照之下,DeepMind走了老派路线:把工作交给评审,让同行挑刺,过关才算数。真功夫不怕检验,大胆假设、小心求证,经得起推敲的定理才算定理,这是数学界几百年的规矩。技术再快,规矩不能松。
有人会问,解数学题,与普通人何干?干系比想象的大。密码学、芯片设计、物流调度、通信网络,口袋里、桌面上的东西,底下都垫着一条条定理。导航算的捷径,支付靠的密文,踩的正是几十年前的数学地基。清一道积案,等于多磨一件工具;工具锋利,下游随时可能改天换地。别嫌数学高冷,象牙塔里捣鼓的数字,隔上几十年,常常成了工厂车间脚下的金子。
细想之下,这桩新闻讲的是一场相逢。一边是离世三十年的老先生,一生把咖啡转化为定理;一边是不喝咖啡、全天开工的机器。1970年撒下的种子,今天批量收获。逝者看不到了,这恰恰是最好的纪念:出题人毕生的念想,从来不是题目永远难下去,是有一天有人把答案送到。出题人的灵气,解题机的韧劲,在同一篇论文里遥遥相望。下次再听人喊AI毁了世界,不妨想想这份清了账的清单。世界变好的方式,往往不是喊出来的,是一道题一道题解出来的。
正事说完,留两个问题,欢迎来吵:
一、解出来了,功劳算谁的? 埃尔德什生前给难题悬赏,最多上千美元。如今AI解题,奖发给谁?模型不领奖、不花钱,成果属于训练它的公司,还是 Lean 定理库里那几百位默默铺路的志愿者?假如哪天千禧年大奖难题被机器解掉,一百万美元和至高荣誉,该落在谁头上——数学界沿用了几百年的署名规矩,头一回要给机器留位置吗?
二、解题的机器,何时学会出题? 这台系统啃的是别人五十年前出的题,成功率百分之一二,靠的是前人攒下的定理库。真正的大数学家不光解题,更会提出没人想过的好问题——埃尔德什本人正是此中圣手。你觉得哪一天先来:AI拿下一道菲尔兹奖级别的证明,还是AI问出一个菲尔兹奖级别的问题?前者是更快,后者才是换时代。