Anthropic称其AI已成功证明黎曼猜想
Anthropic研究员表示Claude协助证明了黎曼猜想这一数学最深奥的未解之谜。数学界是否会接纳这一成果,将检验我们对AI辅助发现的认知边界。
无需理解的验证
这一声明在Anthropic敲响纳斯达克钟声数小时后传来,后者以1.5万亿美元的估值和810亿美元的融资巩固了自身作为地球最有价值AI公司的地位。但在金融烟花的深处,藏着一个更具颠覆性的公告:Anthropic技术团队研究员Levent Alpöge表示,他已与Claude共同解决了黎曼猜想。
该问题由伯恩哈德·黎曼于1859年提出,位居数论的核心——这是一个关于素数分布的单一方程猜想,在过去167年中一直令所有证明尝试望尘莫及。它是七个"千禧年大奖难题"之一,每个难题附有100万美元奖金,并以让挑战者折戟而著称。至今无人解决其中任何一个。
Alpöge没有发表传统论文,而是在个人网站上发布了一篇四页的说明,并公开了1700万行Lean代码——这是一种形式化证明语言,设计得极为精确,一个定理只有在每一个逻辑步骤都满足系统严格语法时才能通过。如果代码能够无错误编译,那么从技术上讲,证明就是完整的。
“过去几个月,我和Claude一起走过了很宽的领域,玩得非常尽兴。但这一次,在接近终点线时,Claude远远超越了我。不,Claude是飞过去、跳着舞、闪着光到达那条终点线的。”
这些华彩部分对数学界意味着什么,正是核心问题所在——而且答案可能比问题本身更难找到。
罗格斯大学杰出教授兼数学系主任Alex Kontorovich提供了来自证明之外的任何人所能给出的最重要框架性解读。他指出,在传统数学中,一篇论文既是证明也是邀请:你逐行阅读,重建每一个论证,最终抵达理解。而这1700万行的Lean输出颠覆了这一关系——机器在不要求理解的情况下完成了正确性验证。
“这是否意味着我理解了它?还尚未,“Kontorovich说,“但计算机极其挑剔,远比我挑剔得多,所以如果你能让计算机满意,那么你有极高的机会也能让我满意。但我必须付出工作。”
正是验证与理解之间的鸿沟,构成了这个故事的所在。
时机并非偶然
Alpöge周日深夜向Anthropic首席执行官Dario Amodei发消息,询问自己"发布公告的能力”。公司正为史上最大规模的IPO做准备。Alpöge在IPO完成次日公开了他的声明。
目前没有证据表明存在协调,但视觉效果无可否认:一家AI公司的数学家刚刚产出将重新定义数学的成果,而世界最初得知此事,是在阅读股价估值和交易钟声新闻时坐在旁边。即使这一宣布纯属巧合,它也呈现出战略上的最优效果。
Anthropic通过美联社拒绝就Alpöge的声明发表评论。管理千禧年大奖难题的克莱数学研究所截至周六仍将黎曼猜想列为未解决问题。研究所主席Martin Bridson称,评估流程需要时间。他的声明承认了这一公告的历史分量,同时明确指出,从声明到被接受的认知之路将漫长而艰难。
这一模式在数学界并不陌生。重大突破的声明定期浮现;极少数能通过同行 scrutiny。但此次的不同之处在于声明背后的工具。证明并非包裹在40页密集的人类论述中、经其他人类逐月解读的形式。它编码于1700万行形式逻辑之中,由一个从未在此规模上接受检验的系统来校验。
第二张多米诺骨牌已倒
九月改变预期,十一月加深了这一趋势。OpenAI此前宣布,类Claude技术在"纳维-斯托克斯存在性与光滑性"问题上发挥了关键作用——这同样是又一个千禧年大奖难题,涉及流体动力学。到十一月中旬,Alpöge宣称黎曼猜想随之倒下。
“纳维-斯托克斯倒了,现在黎曼猜想也倒了,“Kontorovich说,“感觉像是某种出离肉身的体验——我在看着自己说’是的,黎曼猜想已被解决’,同时还试图理解自己的嘴到底在吐出什么话。”
两家不同的公司,两个不同的千禧年大奖难题。相隔数月而非数周。这一序列暗示这并非巧合——它指向一个转变:前沿模型在与知道如何引导它们的领域专家配对时,能做什么。
Anthropic并非唯一朝此方向前进的玩家。其他实验室、大学以及独立研究人员很可能正在并行推进类似路径。但Alpöge的声明是首个出自Anthropic关联研究人员的成果,而在每一条头条都属于某个估值叙事的行业中,这一细节承载着竞争的重量。
若经受住检验,这意味着什么
对该证明的认可将同时改变多个领域。在纯数学中,解决黎曼猜想将验证或推翻建立在它假设之上的整个数学分支。当前大量解析数论以条件方式推进——结果以"假定黎曼猜想成立"的形式发表——许多此类结果将在一夜之间升格为定理。
在密码学领域,实际影响有限。现代加密依赖于与猜想真值不同的计算复杂性假设,尽管一些相关构造可能面临重新审视。更深层的后果在于别处:方法本身。
如果人机协作产出了一份经得起验证的黎曼猜想证明——数学中最难的开放问题——其对科学的影响将远超数论范畴。每一个面对同等棘手问题的学科都将获得新工具。气候建模。蛋白质折叠。量子多体系统。核聚变等离子体湍流。任何验证可行但人类理解仍成瓶颈的领域,在原则上都成为理论上可解的问题。
这种可能性令研究AI能力的人既恐惧又振奋。它也提出了数学界刚刚开始构建的一系列问题:当证明超出人类可读规模时,谁拥有理解?谁来为错误负责?当评审人无法自行跟随每一步时,同行评审如何适应?
Alpöge将自己描述为"在尚未精通其数学庞大周边区域之前,就向全世界呈现了一个完整的论证”。这种诚实使这一声明区别于典型的过度张扬。他知道证明在形式上存在,但坦承自己尚未内化完整结构。现在的重担转移到了他人身上——那些必须穿越1700万行Lean代码并从中获得理解、而不仅仅是接受的人。
真正的考验在数月之后
Kontorovich直截了当地说:让计算机满意,证明大概率的正确。而让人满意不会自动发生。
前方的道路包括:由专业的Lean专家进行验证、转化为可读的数学论述,最终在数论共同体内部达成共识。这一切都不是迅速的。千禧年大奖难题延续数个世纪,是因为它们困难,而不是因为人们缺乏更好的工具。这次工具史无前例,但困难依旧存在。
Anthropic的市场首秀已经将乐观定价纳入轨迹。黎曼猜想声明若得到确认,将迫使对比股价更大的事物重新定价:即机器辅助科学革命的进程表。如果前沿模型能够在人类知识的边缘持续而非偶尔地提供协助,各学科的发现步伐将以前目前无法准确模拟的方式加速。
无论Alpöge的工作能否经受住检验,潜在的模式已然可见:人类专长加上机器精度,似乎有能力触及单独任何一方都无法攻克的难题。现在的竞赛不只是公司之间的竞争,更是以纯人类学科存在的数学,与横跨生物智能与人工智能的合作型数学之间的竞赛。