塔斯娱乐资讯网

真的,假的?AI已攻克了世界难题?真相、突破与未来

AI已攻克了世界难题?真相、突破与未来

若提及世界知名数学猜想,国人脑子中第一个蹦出来的一定是那个哥德巴赫猜想,也自然会想起,1973年,中科院数学所的陈景润,在仅6平方米的简陋居室中,耗费十余年心血,凭借海量手工演算,留下数麻袋演算稿纸,最终证明了 “1+2”,距哥德巴赫猜想,这一困扰人类近三百年的难题终极“1+1”,仅有一步之遥。但这“一步”,迄今无人跨越。
开始进入公众视野的陈景润
相较于这类大众熟知的数论难题,世界影响力更大的顶尖难题当属2000年克雷数学研究所公布的七大千禧难题,分别为庞加莱猜想、P对NP问题、霍奇猜想、黎曼猜想、BSD猜想、纳维-斯托克斯方程、杨-米尔斯存在性与质量间隙。迄今为止,七大难题中仅有庞加莱猜想被人类数学家完整证明,其余六道始终悬而未决。
世界七大千禧难题
步入AI时代,人工智能开始主动挑战这些顶尖世界难题。近来,一系列令人震撼的传闻在坊间不胫而走,如AI已突破了哥德巴赫猜想、AI算出了杨-米尔斯理论里人类几十年都啃不动的九圈费曼图、千禧七大难题正在被 AI 逐个攻克...... 种种传闻令人不禁发问:AI是否已经超越顶尖科学家,破解了人类百年未解的科学谜题?这些传闻是真实科研突破,还是博取流量的网络噱头?AI在数学、理论物理领域的真实实力究竟如何?这场AI科研革命,会重塑科学研究范式,还是会为人类埋下未知危机?本文将逐层拆解、客观求证、深度剖析。

一、传闻与真相
1、哥德巴赫猜想:AI攻克的是“替身”,不是“正主”
先说答案:AI并未证明大众熟知的哥德巴赫猜想“1+1”,陈景润的“1+2”陈氏定理依旧是人类最优成果,从未被超越。
美国OpenAI公司发布新款模型GPT-6 Astra,确实在两天内完成了与哥德巴赫猜想有关的一项命题的证明。但它证明的,并不是哥德巴赫猜想的那个“1+1”,而是一个被称为“刘维尔函数”的弱化版本。在这个弱化命题里,拆分成的两个数字,并不是哥德巴赫猜想要求的那个“素数”,只是满足刘维尔函数取值为“-1”的整数,其中包含大量合数。尽管这个命题在数学上有它自身的学术价值,却和大家心心念念的 “1+1” 不是一回事。
网络消息截图
如果说,哥德巴赫猜想是要求用两块纯金拼出任意指定的重量,那么“刘维尔版本”只要求用两块含金的合金即可,条件宽松了太多。当年陈景润耗费十余年,将哥德巴赫猜想推进到 “1+2”,而 AI 两天完成的证明,不过是另一个简化命题。两者研究对象不同,自然不能说AI拿下了哥德巴赫猜想。换言之,它解决的不是哥德巴赫猜想本身,且对“1+1”的攻克,没有直接的实质性推进。
即便如此,AI确实做到了数学家至今未能做到的。更值得关注的是,直到今天人类数学家做出的最好成绩,不仅只适用于足够大偶数,还必须建立在广义黎曼猜想成立的前提假设上。这是挂在数学家前行道路上的两副沉重的枷锁,AI在这一问题上的突破,正是击碎了这两副枷锁。GPT-6 Astra在第一天,就给出了一份仅有两页纸的推导,无条件地证明了所有4的倍数刘维尔猜想。紧接着,在48小时后,它又走出了一条震撼数学界的全新路线,推广到全偶数域无条件成立。
GPT-6 Astra两页纸的推导
AI在刘维尔猜想上的突破,令全球数学家为之一震。AI显现的已不止是它强大的算力,而是从未显现出的那种“美感”。以往在人们的认知中,AI的成果是靠“暴力穷举,大力出奇迹”。而此次AI的表现却别开生面,它并未“硬算”,而是展现出一种顶级的“数学直觉”,先用反证法抓住矛盾,把加法一步步延展到有限域,再利用乘法的交换律去消灭缺陷,最后用二次互反律给出致命一击,直接导出了1=-1的结论,漂亮地完成了反证。这就是说,AI已不再仅是个“计算器”了,而开始充当助教的角色了。数学家们看到的AI已不再只是“会算、会搜、会暴力穷举”,而是已开始触碰顶级数学家最稀缺的那个“数学直觉”或“数学审美”,即是否能提出问题、从何处下手、如何及时变换研究角度。
2、杨-米尔斯“九圈计算”:这个是真的
这是一道物理难题,要解决的问题是,几个基本粒子撞在一起后,飞向何处、会变成啥、概率是多少?物理术语称为“散射振幅”。计算此题没有捷径,只能一层一层地逼近,一层称为“一圈”。圈数越多,结果越精确,但计算量指数级地递增。有人比喻,一圈是小学作业,两圈是高考,三圈是考研,再往后的圈数就是地狱级的了。在此之前,全球最高纪录已达到了八圈,由美国斯坦福大学兰斯·迪克森(Lance Dixon)教授团队创立。
2026年9月,美国Anthropic公司宣布,其大模型Claude在基本无人监督的情况下连续运行约7天,完成了平面N=4超杨-米尔斯理论中六粒子散射振幅的九圈计算,刷新了人类保持的八圈纪录。总开销共1000–2000美元,其中底层符号计算成本仅约 100 美元。
Anthropic官宣完成杨-米尔斯“九圈计算”
相较于迪克森团队的八圈成果,此次AI突破具备三大核心优势:第一,成功将该领域散射振幅计算精度从八圈提升至九圈,创下全新行业纪录;第二,自主搭建两套完全独立的推导体系,分别为六边形函数自举法、延伸自迪克森团队研究的形状因子间接法,双路径独立推演、交叉校验,最终十万余个非零系数完全匹配,最大程度规避计算误差;第三,全程自主检索文献、搭建推导逻辑、编写计算代码、排查推演漏洞,无需人类干预,且最终结果经领域权威学者迪克森独立复核,确认完全准确。
兰斯·迪克森(Lance J. Dixon)
尽管AI的成果已震惊了世界物理界,但必须清楚地看到,Claude的九圈计算,是在已知理论存在的前提下,把某个计算精度推高了“一圈”。而千禧难题要求的,是首先证明这个理论本身在数学上站得住脚。形象的比喻是,前者是登山者把营地又往上挪了500米,而后者是证明这座山在地质学上真实存在。换言之,距离解开这一千禧终极问题依旧相差万里。
二、AI现在和未来
从刘维尔猜想突破到九圈振幅计算,AI在顶尖科学领域的亮眼表现,彻底改写了传统科研模式。当下科研领域,已然发生颠覆性变革,但人类科学家的核心价值,依旧无可替代。
已经改变的是科研的工作范式。过去,科学家们要花费大量时间在枯燥繁重的符号演算、案例枚举、试错排查、文献查阅上。很多时候,不是科学家没有灵感,而是大量精力被重复、繁琐的推导消耗。现在,这类工作可以交给AI。科学家提出方向,AI负责试探、演算、验证,科研的试错周期被大幅压缩。过去需要数年的推演工作,现在可能几天、几周就能拿到初步结果。顶尖科研,正在从“人类孤军苦战”转向“科学家+AI智能体协同攻关”的新模式。

未改变的是最核心的科学洞察力。AI不会凭空提出一个有价值的猜想,不会判断 “什么问题值得投入毕生精力去研究”,无法搭建一套全新的理论框架。AI所有的推理,都建立在人类已经发表的文献、已经建立的逻辑体系之上。它可以组合已有知识完成推导,却很难无中生有,创造全新的底层思想。陈景润当年选择研究哥德巴赫猜想,判断 “1+2” 的证明路线,依靠的是对数论全局的理解、数学直觉与洞察力,这是当前AI尚不具备的。
陈景润
这也是千禧难题为何至今无人攻克的核心原因。AI擅长的是规则明确、目标固定的计算、推导与验证工作。而七大千禧难题,均是需要打破旧有数学、物理框架,创造全新学术工具、重构底层理论体系的原创性存在性证明,考验的是从零到一的创新能力,而非算力堆叠,这正是AI的最大短板。

那么,AI未来有无可能攻克千禧难题?短期内,也就是未来5到10年,几乎不可能完整解决任意一道千禧难题。长期来看,随着大模型推理能力持续迭代,加上自动定理证明工具不断完善,存在逐步取得阶段性重大突破的可能性。但更大概率的场景不是AI一夜之间独自完成完整证明,而是AI持续辅助人类数学家,一点点啃下难题的各个部分,最终由人类科学家完成核心的理论创新。
三、AI攻克世界难题能力背后的细思极恐
尽管哥德巴赫猜想和杨-米尔斯存在性与质量间隙并未像传闻中已被AI攻破,但AI显示出来的超凡能力已足以令人惊叹。与此同时,也极易引发大众的联想:AI已开始攻克世界难题的现实,是不是意味着距离AI反噬、给人类带来灾难的时刻不远了?
AI反噬人类
这一忧虑自AI问世起就一直在困扰着人类。仅从AI在攻克世界难题的所作所为,可以看出AI属于任务驱动型工具,其本身没有主观愿望,没有生存本能,没有喜怒哀乐,更不会主动产生消灭人类的想法。AI所有的目标,都是人类输入指令赋予的。它可以完成复杂的数学推导,但它并不理解这些公式背后的意义。就像一把性能极强的手术刀,可以完成高难度手术,但手术刀本身没有善恶,不会主动伤人。
真正的风险,并不来自AI自主觉醒、主动毁灭人类,而来自人类自身。当AI拥有超强的推理、设计、推演能力之后,如果不加管控,可能被滥用。比如借助AI快速推演危险材料、设计攻击性系统,或是利用AI生成虚假论证、操控信息。风险的根源是无序的使用、缺失的监管,不是AI本身有恶意。

然而,这并不意味着人类可以因此放松警惕。AI能力越强,配套的评估、审查、安全护栏就越重要。尤其是前沿科学领域,AI产出的证明、推演结果,依然必须由顶尖专家反复核验。AI会犯错,会在复杂推理中产生隐蔽的逻辑漏洞,不能直接把AI的输出当成真理。
回望陈景润伏案演算的岁月,人类依靠纸笔、依靠自己的脑力,一点点向着科学高峰攀登。而今天,AI成为了人类手中前所未有的强大科研伙伴。它解放了科学家,把人类从无尽的演算、试错中释放出来,让科学家可以把宝贵的精力,投入到最需要原创思想、科学直觉的地方。

AI不会取代数学家和物理学家。未来科学探索的主旋律,不是人与AI的竞争,而是人机协同,携手去触碰那些曾经遥不可及的科学边界。面对AI带来的一次又一次奇迹,不必盲目神化,也不必过度恐慌。理性接纳这一场科研范式变革,同步建立合理的规则与监管,才是面对AI时代最稳妥的选择。
*图片来自网络,若有侵权争议将删除之