数学家拉上AI,能搞定多难的数学题?

数学家拉上AI,能搞定多难的数学题?

十月 04, 2026 mathematics artificial-intelligence problem-solving machine-learning research

数学的星辰大海

数学圈子里,有种独特的浪漫。

那些顶级猜想,不是凭空掉下来的。数学家们会花十几年、甚至一辈子去追踪一个问题的线索。有人为此白了头发,有人因此拿了菲尔兹奖。一道题越难,解出来就越值钱——这个道理大家都懂。

今年六月,发生了一件有意思的事。

伦敦、伯克利等地的研究团队凑到一起,搞了个大动作:他们列出了50道数学题,每一道都能用机器自动验证。这可不是为了看起来整齐漂亮,而是为了让人和AI能真正联手——人类的直觉配上机器的严谨,两边优势互补。

伦敦数学科学研究所的杨曦(Yang-Hui He)参加活动时,把自家小孩也带去了。你能想象那个画面吗:一屋子数学家围在一起讨论拓扑和数论,旁边一个小孩正啃着蛋糕。这画面挺有意思的——几百年的数学传统,正在跟下一代人打招呼。

让数学家睡不着觉的题

这份名单,妥妥是一份"痛苦清单"。挑几个说说:

三个立方之和

把一个数拆成三个立方数相加,听起来像小学题?没那么简单。方程 x³ + y³ + z³ = k 让无数人抓狂。

2020年,布鲁克和萨瑟兰联手攻克了 k=42 这个特例。他们调用了上百万台家用电脑,跑了130万个小时的算力,才算出答案。下一个目标是 114。问题是,答案可能长达30位——硬算的话,烧掉一亿美金都不一定够。

神秘的陶土花盆

无理数这东西,大家都用过——π、根号2都是。但要证明一个数是无理数,那可太难了。π的无理性,人类花了2000年才证出来。

1978年,阿佩里证明了 ζ(3)(就是1/n³的累加)是无理数。他的方法叫"夹逼法",怎么想出来的?据说阿佩里自己都说不清,只说"从花盆里找到的"。这话什么意思?到现在也没人搞懂。

孤独的跑者

这个猜想画面感很强:

想象跑道上站着几个人,每个人速度都不一样。猜想的结论是:总会有某个时刻,每个跑者都恰好离其他人最远——就是他们"最孤独"的瞬间。听起来挺好玩,证明起来能把人逼疯。

AI上场了

这份名单最值得关注的地方,是它跟AI的关系。

Epoch AI 组织出这个题单,本来就是想让AI来试试水。看看到底哪些问题,机器能搞定,哪些还不行。巧的是,OpenAI 前阵子刚宣布解决了纳维-斯托克斯方程——这可是千禧年七大难题之一,解出来直接奖励一百万美元。

截至九月底,名单上已经有几道题被攻克了,但剩下的还够呛。OpenAI 说自己内部那个还没发布的模型,已经解决了100多道开放问题——至于有多少在这50道里面,那就不好说了。

跟科技圈有啥关系?

你可能在想:这些老掉牙的数学猜想,跟我们搞网站托管、服务器运维的八竿子打不着啊。

还真不是。

第一,数学题的求解方式在推动算力进化。刚才说的那个42,硬是调度了几千台家用电脑才跑出来——这不就是今天云服务的雏形吗?分布式计算、弹性扩容,这些概念数学家们早就玩过了。

第二,形式化验证这事,数学圈和软件圈想到一块去了。让题目能被机器自动检查,这思路跟软件工程里的 formal methods 一个道理。代码能不能证明正确性?系统够不够安全?数学家们在做的事情,本质上跟写安全内核的工程师是一样的。

第三,也是最重要的——啃硬骨头的精神。做数学和做技术产品,逻辑是一样的:看清楚约束条件,找优雅的解法,反复验证自己的方案。搞 Riemann 猜想是这样,搭建一套能抗住百万并发的托管系统也是这样。

数学圈和AI圈联手这件事,本身就是个信号。这50道题不只是学术玩具,它们在测试人类和机器协作的边界。

阿佩里的花盆之谜还没解开。但说不定哪天,某个AI模型会告诉我们答案。

那才是真正有意思的开始。

Read in other languages:

RU BG EL UZ CS TR FI SV RO PL PT NB NL IT HU FR ES DE DA EN