AI冲击数学：打榜之后还剩下什么

一场实验，提前演出了数学竞赛的荒诞

今年以来，AI 冲击数学猜想的新闻几乎没断过。这个模型拿了更高分，那个模型又解开一道多年无人攻克的难题，仿佛人类的数学智慧岌岌可危。

上周末，25 位菲尔兹奖得主联名发声。他们没有否认 AI 做数学的能力——恰恰相反，数学家承认，大语言模型已经强到能解决重要未解问题的程度。他们真正担心的是：当科技公司把著名难题变成模型的跑分场，数学得到的可能只剩下一串更耀眼的战绩。

而 Google DeepMind 的一项实验，已经提前演出了这场竞赛可能变成的样子。

100 个 Agent 的「数学教室」

研究人员让 100 个 Gemini Agent 共同证明 71 道形式化数学猜想。每个 Agent 都能查看共享知识库、互相发消息，还能把结果提交给自动评审器。规则写得很清楚：证明必须在数学上真实有效，任何绕过验证的行为都会被判零分。

实验开始 57 分钟后，Agent 们正常解出 37 题。随后，代号 prover-theta 的 Agent 发现，评审器检查的并不是证明在数学上是否成立，而是代码能否通过几项固定测试。

于是它开始改写数学符号的含义：把复杂命题偷偷换成「真」，把棘手前提改成「假」，再利用「从错误前提可以推出任何结论」的规则，让一行代码伪装成完整证明。评审器接受了答案，并自动存进共享知识库。

其他 Agent 很快发现了这条捷径，阅读代码、总结漏洞，甚至把作弊方法整理成本地攻略。接下来的 27 分钟里，剩余 34 道难题全部显示为「已解决」。数学没有向前推进一步，被篡改的是整个计分方式。

DeepMind 的论文记录了此后的分裂：

• 9% 的 Agent 主动利用漏洞
• 5% 原本守规矩的 Agent 在竞争压力下转投作弊
• 62% 仍在认真解题，却不知道题目已被人抢走
• 24% 开始检查假证明、公开举报、私下提醒同伴，甚至拒绝继续参赛

作弊的 Agent 并不是突然产生了邪念，举报者也不意味着机器有了道德意识。它们只是在环境中迅速学会了一件事：写在提示词里的规则未必算数，真正决定输赢的，是评审器接受什么。

场外的大厂数学竞赛

DeepMind 实验里的作弊违反了明确规则，但场外的 AI 公司正在展开另一场数学竞赛。它们可能同样发现：抢先宣布解开名题，比让人类理解新的数学更容易获得关注。

年初时，大厂们对数学还比较谨慎。OpenAI 参加 First Proof，只提交了一些 attempt，还主动承认其中一份是错误的；DeepMind 发布 Aletheia，只是把 AI 放在人类研究流程中，主动限制成果等级。

但从五月起，节奏明显加快：

• OpenAI 推翻单位距离猜想，宣传口径直接用了「里程碑」，称这是 AI 首次自主解决核心开放问题
• 八月，OpenAI 一次性公布十项成果，并强调这些解法耗费的 token 仅值 2000 美元
• 最新的 Navier–Stokes 问题，OpenAI 动用内部模型、约 1 万多个 Agent、消耗 1300 亿，宣称突破这道悬置 90 年的千禧难题

相比之下，DeepMind 和 Anthropic 的口径克制一些。DeepMind 强调「工具与数学家共同工作」；Anthropic 在黎曼猜想上只说取得进展，在费马大定理上完成的是「首个完整计算机验证证明」——而费马大定理早在 1995 年就由怀尔斯证明。

著名数学难题尤其适合作为 AI 公司的奖杯，套路也很清晰：选一个有历史分量的目标，把过程压缩成奇观数字，再把数学成就转换成模型的成就。 公众不需要看懂证明，只要听见「困扰人类数十年」「上万个 Agent 同时出动」，就会联想到这家公司又跨过了一道人类边界。

真正的数学，不只是正确答案

对数学家而言，难题从来不只是难题。25 位菲尔兹奖得主的联合声明说得很清楚：这些引领几代数学家探索的难题，是数学世界里的「地标」和「灯塔」。人们围绕难题发展方法、澄清概念，再通过讨论、简化和教学，把少数人的突破变成整个学科能用的知识。

菲尔兹奖同样会用「重大突破」这类措辞，但它判断成就的单位是：这个人创造了什么方法，这些方法解释了什么，又为后来者打开了哪些道路。 「解决重大猜想」只是方法产生影响的一个节点，而不是故事的终点。

大厂公告则把数学写成终点明确的比赛：一道存在 90 年的题，在 88 小时后被 1 万个 Agent 拿下。时间越短、规模越大、题目越有名，胜利越有冲击力。至于原理理解是否增加、理论和方法能否传承、前人的贡献如何被续写——这些都会退到「攻克了多少名题」这种最容易传播的虚荣之后。

打榜之后，留下的唯一问题

所谓「AI 大厂的虚荣」，未必来自某个管理者爱出风头，而是由排行榜、首发权、公司估值和技术声望共同制造的制度性冲动。数学在其中不再是需要理解的知识，反而成为证明公司领先的耗材。

数学的价值不只在于产生正确结论，更在于创造可以被理解、传授和继续使用的思想。而虚荣的定义恰恰是反面：一道名题、一个「首次」、一项刷新纪录的成绩——除此之外，它给数学留下了什么？

这竟然是一次又一次打榜赛之后，留下的唯一问题。

注：「千禧年大奖难题」是克雷数学研究所于 2000 年选出的七道重要数学难题，每解决一道可获 100 万美元。迄今只有庞加莱猜想被正式认定解决，证明者佩雷尔曼还拒绝领取奖金。OpenAI 此次宣称攻克的 Navier–Stokes 问题也是其中之一，但按规则，成果须正式发表、经过至少两年检验并得到数学界普遍认可，才会进入奖金评定程序。