伦敦数学院士：AI刚推翻了一个87年来没人怀疑过的数学猜想，就用了216个字符

数学家们最近被一条只有216个字符的推文震住了。哈佛大学的Levent Alpöge在社交媒体上平静地宣布，一个叫雅可比猜想的数学命题——过去八十多年里，大家都觉得它应该是对的——其实是错的。他没有发长篇论文，只贴出了一个极短的反例，等于直接宣告了这个猜想的终结。

这大概是目前为止，被人工智能撬动的最大一个数学猜想。伦敦玛丽女王大学的Abhishek Saha说得很直接：“可能这是到目前为止，AI在数学领域发挥重要作用的最大猜想。这可不是小事，过去一年AI在数学上进步太快了。”他的判断代表了相当一部分数学家的惊讶——不是惊讶于AI厉害，而是惊讶于这个猜想本身的方向被彻底翻了个个儿。

先说一下雅可比猜想到底是什么。你可以把它想像成一种“可逆性”的承诺：在满足特定条件的多元多项式函数里，如果正向映射看起来规矩，那么反向就也应该走得通。这个想法是德国数学家Ott-Heinrich Keller在1939年正式提出来的，后来还进了数学家Stephen Smale在1998年划定的“21世纪待解决的18道极难数学题”清单。几十年来，大多数人的精力都花在证明它为什么一定对，因为直觉上它太顺了，就像一个齿轮只能往一个方向转反而不太合理。

也正因为这样，Alpöge在推文里甩出的那个反例才显得格外有冲击力。Saha点出了这种心理：“大家都去试着证明它，因为它听起来就非常对。我没见过多少人真的在试着否定它。现在好了，一句反例，推翻了一个87年的直觉。”

不过，这件事真正让数学家们百爪挠心的，还不是结果本身，而是过程。Alpöge在推文里感谢了他的“密友fable”，这几乎明确指向了AI公司Anthropic开发的Claude Fable 5。他还特意提了一句：“感谢Fable在世界杯决赛期间还在工作。”这句半开玩笑的话里藏着一个悬而未决的谜团：到底是怎么让AI帮忙找到反例的？

Saha的解释里充满了一个同行想要窥探对方工作笔记的那种急切。他说，有些问题本身难到变态，可一旦有人把答案摆出来，验证起来反而相对容易。这个反例就是这样——一行数学表达式，216个字符，在手机上两行就能打完，其他数学家很快就能验算确认。但找到它的路径呢？“我不知道他是怎么做到的，不知道他给Fable的提示词到底是什么。如果你直接让AI在海量可能性里瞎搜，那是行不通的。显然这里面有一些还没有发表的洞察。”也就是说，Alpöge一定给了AI一个聪明的题干，一个精巧的搜索方向。那个“洞察”到底是什么，现在只有他自己知道。

这种模糊感让整个事件多了一层“我们看到了终点，但没看见跑道”的戏剧性。约克大学的Chris Bowman-Scargill给出了一个更宏观的视角。他认为数学家们其实已经开始适应AI突然冒出的新能力了，但这里面有一个重要的分界线：用AI找反例推翻一个已有的猜想，跟用AI从零到一建立一整套新的数学分支，完全是两码事。前者就像你有一台机器，它在一百万个零件里帮你找到了一颗肯定会让引擎死火的有缺陷螺丝钉；而后者，是你得重新发明一台引擎。后面这件事，依然需要人类的创造力。

这样说或许就容易理解了——现在的AI角色更像是超级验证器和方向筛选器，它能帮人类避免钻进一条直觉上对但其实错了几十年的死胡同。雅可比猜想就是一个极佳案例，几乎所有人都觉得它天然就该对，证明它只是时间问题。AI跳出来了，说，不对，我给你一个最小的反例，你们先看看这个。这一下，整个研究方向都可能要换道。

另外，这个故事里还有一层挺妙的细节，就是发布方式。Alpöge没有选择传统的学术发布会、同行评议期刊或者大型公开课，而是直接发了一条推文。这种看似随意的“官宣”，恰好与AI介入数学的逻辑暗暗呼应：过程可以极简，介质可以很轻，但重量由事实本身承担。Saha也说，那个单行反例太容易验证了，许多数学家第一时间就算过了，没人质疑它的有效性。所以，真正的大问题是“怎么来的”，而不是“对不对”。

当然，故事还没有讲完。雅可比猜想本身有不同变量的版本。Saha提醒了一个关键缺口：这次的反例是三个变量的情况，证实了在三维公式的语境下猜想不成立。但两个变量的版本呢？理论上，它的命运还没被决定，也许在那条更窄的路上，直觉仍然是对的。也就是说，AI这一次是精准击中了一个有漏洞的高维陷阱，但低维版本的谜团依然坐在那里，等着新的探路者——可能还是人，也可能人和机器一起。

回到这件事带来的深层震动，许多数学家真正在琢磨的，或许不是AI会不会取代他们，而是什么样的数学问题天生适合AI介入了。一个持续八十多年、无数人试图证明“对”但没人攻下来的猜想，最后被证明“错”，而且是一个极简反例直接击穿——这种低配输入、高配产出的结构，恰恰是AI擅长捕捉的那种“不对称的反直觉”。它不需要理解什么叫美感，只需要在人设定好的逻辑缝隙里把那个不遵守规则的孤例揪出来。

Bowman-Scargill的提醒很实在：推翻猜想可以靠这种闪电战式的反例搜索，但要创造新的数学结构、提出新的猜想，那份对深层关系的体悟和联想能力，还是牢牢攥在人类手里。AI可以是甩出那张“你们都想错了”牌的那个对手，但当牌局结束，接下来要往哪儿走，规则是什么，这些还都得由人来决定。