点击上方“图灵人工智能”，选择“星标”公众号
您知道的人工智能干货，第一时间送达
AI 正在悄悄攻克的，不是“刷题数学”，而是人类最骄傲的那一小撮“高智商数学自留地”。
而且，它不是高调进场，是偷偷把题解写完，放在你桌上那种。
一、事情本身有多“反直觉”？
过去我们对 AI 解数学的印象，大概停留在两种极端里：
一种是“高中竞赛题秒解，但一碰证明就开始胡扯”；
另一种是“看起来推得很长，其实在一本正经地编故事”。
结果这次不一样。
一个前量化研究员 Neel Somani，把一个埃尔德什级别的开放数学问题丢给了 ChatGPT，然后干了一件特别人类的事——去喝咖啡了。
15 分钟后回来，AI 不但给出了完整解法，还能被形式化工具 Harmonic 严格验证，每一步都站得住脚。
更离谱的是，它在推导过程中，能熟练调用一串你在数学史里才能看到的老朋友：
勒让德公式、贝特朗猜想、星形定理……
不是“我见过这个名词”，而是“我知道你现在该用谁”。
这不是算力，这是认知迁移。
二、最扎心的点在这：AI 不是照抄
有人第一反应是：“是不是又从 Math Overflow 翻答案了？”
确实，它找到了哈佛数学家 Noam Elkies 在 2013 年的一篇相关讨论。
但重点来了：
AI 最终给出的证明，和 Elkies 的思路并不等价，而且在埃尔德什原问题的版本上，解得更完整。
这一下，事情就变味了。
如果只是检索，那叫“学霸小抄”；
如果能在前人工作基础上，走出不同但正确的路径，那就叫“研究”。
而数学界对“研究”的门槛，向来比程序员圈残酷得多。
三、15 道埃尔德什问题被“清空”，不是巧合
更夸张的是，这不是孤例。
从圣诞节到现在，埃尔德什问题库里：
- • 15 道问题从「Open」变成「Solved」
这在数学史上，是很不寻常的节奏。
要知道，这套问题本来就是人类留给人类的“智力长跑赛”，很多题不是难，而是不值得花十年去啃。
而这，恰好是 AI 最擅长的事情。
四、陶哲轩的一句话，点破本质
我特别喜欢陶哲轩在 Mastodon 上那段话，几乎是给 AI 定了位：
AI 更适合系统性地清理那些“长尾的、冷门的、但其实有解的埃尔德什问题”。
翻成人话就是：
这些题不是人类不会，而是不想花认知资源去做。
人类数学家要做的是：
提出新问题、构建新范式、打开新方向。
而 AI 非常适合做一件事：
把“散落在学术角落的潜在解法”一网打尽。
这不是取代，是分工重构。
五、真正被低估的，是“形式化”这条暗线
很多人盯着 GPT 5.2 的推理能力，却忽略了另一条更致命的变化：
数学正在被“工业化验证”。
Lean、Aristotle 这类工具的意义，不是让 AI 会做数学，
而是让“证明”从一种手工艺术，变成一种可复制流程。
以前一个数学家的脑子，是黑盒；
现在你可以把整个证明拆成机器可检查的零件。
当 AI 开始同时掌握：
那它做的就不是“题目”，而是生产数学成果的流水线。
六、最危险的误判：这只是“数学圈的事”
如果你看到这还觉得“这和我没关系”，那我得泼一盆冷水。
数学不是终点，它是上游。
你今天看到 AI 解埃尔德什问题，
明天看到的，就是它在：
当“抽象推理”被机器系统性接管之后，
真正被重新定价的，是人类的认知优势。
最后一句有点毒，但我真这么想
过去我们安慰自己说：
“AI 会算，但它不懂。”
现在的问题是：
如果“懂”这件事，本身就是一种可以被工程化的能力呢？
数学界已经开始认真对待这个可能性了。
接下来轮到的，可能不是你准备好的那一行。
你以为这是 AI 的高光时刻，
我反而觉得，这是人类重新定义“聪明”的前夜。
文章精选：
1.强化学习之父、图灵奖得主 Sutton 隔空回应 图灵奖得主Hinton：目前的 AI “理解不足，调参有余”
