深夜十一点手机上弹出一条消息。某个数学群的讨论突然炸了一个被相信了八十年、被写进教科书、被无数人当作“安身立命方向”的猜想竟然让机器用一个反例给“掀翻”了。群里有人说某位菲尔兹奖得主看到结果后一夜没睡不是兴奋是后怕——他这几十年的研究方向差点因为自己亲手搭建的直觉体系而崩塌。我第一次看到这个标题的时候第一反应不是“AI好强”而是那个“以为要出局”的画面实在太真实了。研究数学或者做任何接近底层研究的人都能理解那种感觉你以为自己在接近终点结果有人告诉你地基压根就不稳。而这次递上撬棍的不是某个人类同行而是一个完全不懂“为什么”的机器。这件事真正值得讨论的不是某个具体猜想是否被推翻也不是AI是不是已经超越了数学家。它真正改变的东西是一道旧的潜规则数学研究曾经被认为是人类智力的最后堡垒机器最多帮忙计算绝不可能参与“发现”。而今天这个边界已经被穿透了。我们需要重新理解的是AI在数学里到底扮演了什么角色它的产出如何被验证以及人类数学家在这个新工作流里的位置到底在哪。1. 一条消息引发的震动AI“推翻”猜想真正改变了什么1.1 这个场景为什么会让数学家感到不安先说清楚一个背景数学这门学科在过去两千年里建立了一套非常特殊的信任体系。物理学家可以接受“实验结果推翻理论”因为实验材料本身就来自外部世界但数学家的工作方式更像是在自己搭建的纯逻辑大厦里打转。在这里一个猜想之所以被信赖是因为它被很多聪明人反复审视过、部分被验证过、甚至已经长出了一整套分支理论。一个存在了80年的猜想意味着什么意味着几代数学家都默认它是真的并且在它上面盖了很多楼。你证明一个定理会引用它你设计一个算法会依赖它你训练学生的思维会用它当例题。当AI突然丢出一个反例说“你一直以为成立的那个底层假设其实有漏洞”这不会只是“修一修证明”的小事。它会像地震一样从最底层扩散到所有依赖这个猜想的结论上。所以那位菲尔兹奖得主说“以为要出局”这不是自嘲而是一种真实的职业恐慌。因为他知道自己过去几十年建立的东西可能不是建立在岩石上而是建立在沙滩上。更让他不安的可能是这个反例不是来自人类同行的推理而是来自一个“不理解数学”的系统。但我们要冷静一点。这里有一个关键区别AI找到反例和AI证明了一个定理是完全不同的两件事。前者是一个搜索问题后者是一个语义确认问题。AI可以在数百万个候选里找到一个反例但它很难告诉你“这个反例为什么重要”也不能自动告诉你“应该如何修正这个猜想”。后者仍然需要人类数学家来完成。1.2 不用神话AI这次事件的结构是什么如果我们把这个事件拆开它实际上由三部分组成一个长期被信赖的猜想。一个由AI生成的反例或反例线索。一个后续的验证、解释与理论修正过程。AI在这条链路里真正做的不是“证明”而是“发现”。它的核心能力是搜索。在很多数学问题里候选空间大到人类无法穷举而人类数学家会用直觉和先验知识缩小搜索范围。问题是先验知识同时也是偏见。它会让人类忽略那些“感觉上不太可能”的区域。AI没有这种偏见或者说它的偏见来自训练数据和奖励函数和人类数学家的偏见不是同一种东西。于是AI通常更善于做一件事在人类没有仔细检查过的边界地带找出反例或异常情况。这就像测试一个系统的鲁棒性工程师通常会按照预期的正常路径测试但模糊测试工具会在完全意想不到的输入里找出崩溃点。AI在这一步的作用更接近一个耐心、高效、不带感情色彩的“反例发现器”。这里并不是说AI已经可以取代数学家。相反它把数学家的工作推到了一个更困难但更本质的位置既然机器能更快地找到反例人类就必须更快地学会如何与机器产出协作——包括怎么质疑机器产出的合法性怎么把反例转化成新的理论结构以及怎么判断哪些反例值得信任。2. AI在数学发现中的三种参与方式很多人一看到“AI推翻数学猜想”第一反应是“AI是不是能自动证明定理了”。其实离这一步还很远。从当前的技术状态看AI在数学研究里有三种比较成熟的参与方式而且它们的成熟程度和风险水平完全不同。2.1 方式一反例搜索逼着人类修正直觉这是最接近这次事件的方式。它的工作逻辑是给定一个命题把它转成一个可计算的约束条件然后在允许的对象空间里用搜索算法找出一组不满足约束的对象。你可以把它理解成代码测试里的“模糊测试”。写程序的时候你不会只靠看代码来确认它没有bug你会构造异常输入看它崩不崩。AI做反例搜索本质上就是把这个思路推广到数学对象上。它可以从已知成立的构造集合出发用变异、交叉、随机扰动、强化学习等方式生成大量和已有对象相似但不完全相同的候选再用验证器检查它们是否破坏了目标命题。这种方法的价值在于它能帮人类快速排除“看起来可能成立但根本不成立”的方向。很多数学家在研究初期会相信自己的直觉沿着某个构造去尝试证明。如果AI能提前告诉他“你已经试的这条路上三步之内就有一个反例”他可以省下几个月甚至几年时间。但要注意这里有一个大前提你必须有可靠的验证器。如果验证器本身写错了那么AI生成的所有“反例”都是噪音。工程里这叫“垃圾进垃圾出”在数学里一样成立。2.2 方式二模式挖掘给出原本看不到的结构线索数学并不只是证明定理它还包括“看到”结构。很多重大突破其实是数学家把一个看似无关的领域和另一个领域联系起来。过去这种“看见”依赖的是极强的个人经验积累。而大语言模型天然擅长做另一件事在海量的文本、公式、证明步骤里发现统计意义上的关联。我见过一些尝试用大模型辅助数学研究的实践它们并不是让模型直接证明定理而是让模型阅读一批相关的论文摘要、引理、构造和反例然后给出它认为“可能有价值的类比方向”。比如一个模型可能在处理组合优化问题时自动联想到某个代数结构中的已知结论然后建议研究者往这个方向试探。这种建议大部分是无效的但偶尔会提供一个人类因为知识盲区而忽略的视角。这里必须强调边界模式挖掘提供的是线索不是结论。它和搜索引擎的区别在于搜索引擎返回的是你关键词相关的内容而语言模型可以生成一句“如果把这个条件放宽到复数域上或许可以参考某类函数的处理方式”这样带有联想性质的建议。这种建议能不能被采纳最终还是由人来判断。2.3 方式三辅助构造把想法拆成可验证的证明骨架再往前走一步AI还能参与证明构造的过程。这已经不是单纯搜索或联想了而是把一个大目标拆成更小的子目标并尝试自动填充一些机械化的证明步骤。现在有很多形式化证明工具和自动定理证明器在做类似的事情比如把证明目标转成若干个引理然后让机器自动搜索引理的证明路径。数学家在这个工作流里的角色有点像“架构师”而工具负责处理那些重复性、机械性的推导。这个分工其实已经在很多领域出现了比如程序员的代码补全、工程师的配置生成。它能减少一部分繁琐劳动但离“独立提出新概念并用逻辑链证明”还很远。所以我的判断是在“反例搜索”这一层AI已经能在真实研究中产生价值在“模式挖掘”这一层它是一个值得使用但必须小心的助手在“辅助构造”这一层它更适合处理证明的脚手架而不是发明核心思想。3. 单次发现不等于可以交付AI数学研究的完整验证链路如果你已经开始想象“用AI证明一切”的未来那我必须给你泼一盆冷水。AI给出的反例哪怕看起来再完美也不能直接作为正式结论来用。这里需要一条严格的验证链路。3.1 先复现再信任第一步永远是独立验证不管AI是在哪套系统里跑出来的反例你都需要先独立地把它复现一遍。独立的意思是不要用同一个脚本、同一个依赖库、同一个随机种子再来一遍而是要从最基本的定义出发人工检查这个反例是否真的满足所有前提。这一步不是形式主义。AI系统在寻找反例时经常会把“前提条件”编码得太宽或太窄。一旦前提条件编码错了AI生成的是一个满足“错误条件”的对象而不是满足“原命题条件”的对象。真实问题里这种情况非常常见。比如某个命题要求“对所有有限群成立”但在编码时可能只覆盖了置换群那么机器生成的反例只能说明它在置换群里找到问题并不代表推广到所有有限群。正确做法是把命题的所有前提假设单独列出来逐条检查反例对象是否符合再检查反例对象在目标结构里的运算规则是否被正确实现最后用独立工具或人工推导确认一次。3.2 形式化验证是最后一道闸门即使人工检查通过了如果这个反例要写进论文、影响后续定理那还应该补一道严格的形式化验证。形式化验证的意思是把反例涉及的所有定义、运算、命题和推导步骤输入到一套被计算机认可的证明规则系统中由机器确认每一步都合法。目前已经有不少形式化证明工具可以做这件事包括一些成熟的交互式证明助手。它们的使用门槛不低但好处是一旦验证通过就不会存在“这个反例是不是合法”的歧义。换句话说人工检查负责“理解”形式化验证负责“背书”。用工程来类比一个“看起来能跑”的脚本和生产环境里的正式发布完全是两码事。前者的验证是“我看了下好像没问题”后者的验证是“CI流水线跑完所有测试用例通过部署包签名正确”。AI辅助数学研究如果只停留在前者那它的成果永远只能当作线索不能当作结论。3.3 从反例到新理论还差着什么AI找到了一个反例接下来呢通常并不是“把这个猜想删掉”这么简单。现实中一个猜想的修正往往是向更精细的方向演进。你可能会发现原来的命题在某个附加条件下仍然成立或者原来的命题需要被改成另一个更准确的表述又或者原来的反例只是一个更大的新结构里的某个特殊点。这个过程更像是在做回归测试。每次AI推翻一个小的子命题你就要更新自己已有的证明体系。如果新反例暴露出了另一个更根本的漏洞那就要回到更上游的定义上去修正。你会发现AI真正带来的不是“一次性的结论”而是一种持续迭代的过程。研究者的工作从“证明一个固定命题”变成了“和AI一起不断试探命题的边界”。这种模式会和传统数学研究的工作方式有非常大的差异。4. 如果想让AI参与到自己的研究和验证里怎么开始你可能不是数学系的但你的工作可能也涉及“猜想-验证-证明”这一套逻辑比如做算法设计、做系统正确性验证、做数据科学里的因果推断。这套“AI辅助发现”的流程其实可以在自己的研究或工程任务里跑起来。下面给一个比较通用的起步路径。4.1 明确问题类型先别急着找工具先问自己你要解决的是什么类型的问题反例搜索型有一个命题或一个系统你想知道它有没有隐藏的边界情况。比如“我的调度算法在什么输入下会退化到极慢”模式发现型有一堆结果、数据或日志你想找出其中可能有价值的关联。比如“哪些参数组合最容易导致性能异常”辅助证明型你已经有了一个大致的论证骨架缺的是填充细节和检查逻辑链。比如“我想证明这个递归函数在某种输入下一定终止。”这三种问题对应完全不同的技术路线。如果混在一起用通常会浪费大量时间。4.2 根据问题选工具下面我按常见实践列一个简表不涉及具体版本落地前需要根据你的环境和依赖情况确认。它只是帮你建立一个大方向的认知。问题类型推荐工具类型输入输出主要陷阱反例搜索约束求解器、遗传算法、强化学习框架问题定义、对象编码、验证器一个或多个可能的反例验证器写错、对象编码不完整模式发现大语言模型、统计工具、聚类算法数据集、论文摘要、日志候选关联方向把相关性当因果、样本偏差辅助证明交互式证明助手、自动定理证明器命题、定义库、目标证明步骤、子目标状态形式化门槛高、定义库覆盖率有限这里尤其提醒反例搜索这个方向。它看起来最容易让人兴奋但也是最容易出问题的一层。验证器永远是要花最多时间的地方。如果验证器不正确后面所有“发现”都是空转。我的建议是反例搜索项目启动的第一周不要写搜索逻辑把所有时间用来把验证器打磨到“可信”的状态。宁可慢不要错。4.3 设计最小验证闭环不管选哪条路线都建议先做一个最小验证闭环不要直接上大工程量。五步流程在这里基本通用定义边界把命题、前提、对象空间写清楚越精确越好。构建候选生成器能够生成疑似反例或候选模式。加入验证器对候选进行自动判定。小样本人工校验跑几十条结果人工确认每一条是否真的合法。持续记录失败样本把AI生成但被人工否决的例子保留下来用来调试工具或调整提问方式。有一个细节容易被忽略第4步的人工校验不是只检查“AI给出的输出对不对”还要检查“AI是不是只在某个局部区域里打转”。如果候选生成器设计得不合理它可能在搜索空间里走了十万步却始终在同一个子空间里重复。所以一份好的失败记录不只是记录错误还应该记录哪些区域搜索次数很多但从未产生有效结果。这些都是后续优化工具的线索。5. 边界在哪里AI不会让数学变简单但会改变数学家的劳动方式5.1 机器反例和人类理解的落差AI能找到一个反例但通常很难解释这个反例为什么存在。它可能只是告诉你在第x号样本上某个条件不成立。至于是因为这个对象本身构造特殊还是因为整个方向都错了AI完全说不出来。这就是机器反例和人类理解之间最深的落差。数学的核心不仅仅是“正确”还包括“可理解”。一个只存在于机器输出里的反例即使被形式化验证了对人类知识体系的冲击力依然有限。因为如果没有人理解它背后的原因我们就不知道它能推广到哪里也不知道它和哪些理论有更深的联系。这就像代码自动修复工具能告诉你某一行有NullPointer风险但为什么业务上会出现这个问题、应该改一层还是改两层仍然需要人来判断。AI在数学里的定位很可能也像这样——它能指出问题但“意义”仍然由人来建构。5.2 这个方向真正适合谁如果要做个筛选我觉得AI辅助数学发现这件事并不适合所有人。你至少需要满足三个条件你有明确的、可形式化定义的问题。如果一个命题连边界都说不清楚AI无从下手。你愿意花时间去搭验证器。这是和“用AI生成一段代码”完全不同的事情。写一个数学对象的编码和验证器通常比直接手动推理更耗时。你不把AI当“答案机器”。在可以预见的未来它更像是一个“搜索加速器”和“直觉干扰器”。它帮忙找的地方最终还要人来决定是否朝那个方向走。对于只是想尝鲜的初学者我的建议是先别碰那些宏大猜想从一个非常简单、你已经知道答案的小命题开始用AI走一遍反例搜索流程。这个过程的收益不在于“发现新东西”而在于理解一个完整的工具链是怎么运作的。你会亲眼看到AI输出的“反例”里有多少是验证器bug造成的假阳性也会理解为什么“让机器帮忙发现”和“让机器告诉你答案”是完全不同的两回事。从长远看这项技术改变的不是“数学是否会消失”而是“数学家的工作内容会如何变化”。过去证明一个定理往往从一个灵感开始这个灵感通常来自个人经验、直觉和漫长沉思。未来这个灵感可能会更频繁地来自机器给出的异常信号。数学家需要转向去保护、修补和重组那些被机器证明脆弱的旧结构并在这个过程里发现新的问题。6. 回到那个夜晚一切并没有结束回到开头那个“一夜没睡”的片段。它之所以能传得那么广不是因为它准确地刻画了某一位数学家的真实状态而是因为它击中了一种共同的职业焦虑如果你毕生依赖的直觉体系有一天被一个完全不懂“为什么”的机器正面击穿你该怎么办但真正的答案也许不是“你彻底出局了”而是“过去那种完全依靠个人直觉的研究方式会慢慢变成一种风险更高的选择”。没有人会要求一位数学家在每个证明步骤上都完全放弃自己的理解但会有越来越多的人要求他在做关键决策时至少让机器在同样的问题空间里再搜一遍。单次跑通不足以说明问题能持续暴露边界、修正边界才是这种协作方式真正的价值。所以如果你下一次再看到“AI推翻某个猜想”的标题别急着兴奋也别急着恐慌。先问三件事第一AI的输入是不是完整覆盖了命题的所有前提第二那个反例有没有经过独立复现和形式化验证第三在反例被发现之后研究者如何把它转化成新的理论表述这三步走完你会发现AI真正的功劳不是“推翻”而是逼着整个研究体系重新思考什么才叫“相信”。而这种重新思考也许才是这个领域最值得长期关注的变化。
深夜十一点手机上弹出一条消息。某个数学群的讨论突然炸了一个被相信了八十年、被写进教科书、被无数人当作“安身立命方向”的猜想竟然让机器用一个反例给“掀翻”了。群里有人说某位菲尔兹奖得主看到结果后一夜没睡不是兴奋是后怕——他这几十年的研究方向差点因为自己亲手搭建的直觉体系而崩塌。我第一次看到这个标题的时候第一反应不是“AI好强”而是那个“以为要出局”的画面实在太真实了。研究数学或者做任何接近底层研究的人都能理解那种感觉你以为自己在接近终点结果有人告诉你地基压根就不稳。而这次递上撬棍的不是某个人类同行而是一个完全不懂“为什么”的机器。这件事真正值得讨论的不是某个具体猜想是否被推翻也不是AI是不是已经超越了数学家。它真正改变的东西是一道旧的潜规则数学研究曾经被认为是人类智力的最后堡垒机器最多帮忙计算绝不可能参与“发现”。而今天这个边界已经被穿透了。我们需要重新理解的是AI在数学里到底扮演了什么角色它的产出如何被验证以及人类数学家在这个新工作流里的位置到底在哪。1. 一条消息引发的震动AI“推翻”猜想真正改变了什么1.1 这个场景为什么会让数学家感到不安先说清楚一个背景数学这门学科在过去两千年里建立了一套非常特殊的信任体系。物理学家可以接受“实验结果推翻理论”因为实验材料本身就来自外部世界但数学家的工作方式更像是在自己搭建的纯逻辑大厦里打转。在这里一个猜想之所以被信赖是因为它被很多聪明人反复审视过、部分被验证过、甚至已经长出了一整套分支理论。一个存在了80年的猜想意味着什么意味着几代数学家都默认它是真的并且在它上面盖了很多楼。你证明一个定理会引用它你设计一个算法会依赖它你训练学生的思维会用它当例题。当AI突然丢出一个反例说“你一直以为成立的那个底层假设其实有漏洞”这不会只是“修一修证明”的小事。它会像地震一样从最底层扩散到所有依赖这个猜想的结论上。所以那位菲尔兹奖得主说“以为要出局”这不是自嘲而是一种真实的职业恐慌。因为他知道自己过去几十年建立的东西可能不是建立在岩石上而是建立在沙滩上。更让他不安的可能是这个反例不是来自人类同行的推理而是来自一个“不理解数学”的系统。但我们要冷静一点。这里有一个关键区别AI找到反例和AI证明了一个定理是完全不同的两件事。前者是一个搜索问题后者是一个语义确认问题。AI可以在数百万个候选里找到一个反例但它很难告诉你“这个反例为什么重要”也不能自动告诉你“应该如何修正这个猜想”。后者仍然需要人类数学家来完成。1.2 不用神话AI这次事件的结构是什么如果我们把这个事件拆开它实际上由三部分组成一个长期被信赖的猜想。一个由AI生成的反例或反例线索。一个后续的验证、解释与理论修正过程。AI在这条链路里真正做的不是“证明”而是“发现”。它的核心能力是搜索。在很多数学问题里候选空间大到人类无法穷举而人类数学家会用直觉和先验知识缩小搜索范围。问题是先验知识同时也是偏见。它会让人类忽略那些“感觉上不太可能”的区域。AI没有这种偏见或者说它的偏见来自训练数据和奖励函数和人类数学家的偏见不是同一种东西。于是AI通常更善于做一件事在人类没有仔细检查过的边界地带找出反例或异常情况。这就像测试一个系统的鲁棒性工程师通常会按照预期的正常路径测试但模糊测试工具会在完全意想不到的输入里找出崩溃点。AI在这一步的作用更接近一个耐心、高效、不带感情色彩的“反例发现器”。这里并不是说AI已经可以取代数学家。相反它把数学家的工作推到了一个更困难但更本质的位置既然机器能更快地找到反例人类就必须更快地学会如何与机器产出协作——包括怎么质疑机器产出的合法性怎么把反例转化成新的理论结构以及怎么判断哪些反例值得信任。2. AI在数学发现中的三种参与方式很多人一看到“AI推翻数学猜想”第一反应是“AI是不是能自动证明定理了”。其实离这一步还很远。从当前的技术状态看AI在数学研究里有三种比较成熟的参与方式而且它们的成熟程度和风险水平完全不同。2.1 方式一反例搜索逼着人类修正直觉这是最接近这次事件的方式。它的工作逻辑是给定一个命题把它转成一个可计算的约束条件然后在允许的对象空间里用搜索算法找出一组不满足约束的对象。你可以把它理解成代码测试里的“模糊测试”。写程序的时候你不会只靠看代码来确认它没有bug你会构造异常输入看它崩不崩。AI做反例搜索本质上就是把这个思路推广到数学对象上。它可以从已知成立的构造集合出发用变异、交叉、随机扰动、强化学习等方式生成大量和已有对象相似但不完全相同的候选再用验证器检查它们是否破坏了目标命题。这种方法的价值在于它能帮人类快速排除“看起来可能成立但根本不成立”的方向。很多数学家在研究初期会相信自己的直觉沿着某个构造去尝试证明。如果AI能提前告诉他“你已经试的这条路上三步之内就有一个反例”他可以省下几个月甚至几年时间。但要注意这里有一个大前提你必须有可靠的验证器。如果验证器本身写错了那么AI生成的所有“反例”都是噪音。工程里这叫“垃圾进垃圾出”在数学里一样成立。2.2 方式二模式挖掘给出原本看不到的结构线索数学并不只是证明定理它还包括“看到”结构。很多重大突破其实是数学家把一个看似无关的领域和另一个领域联系起来。过去这种“看见”依赖的是极强的个人经验积累。而大语言模型天然擅长做另一件事在海量的文本、公式、证明步骤里发现统计意义上的关联。我见过一些尝试用大模型辅助数学研究的实践它们并不是让模型直接证明定理而是让模型阅读一批相关的论文摘要、引理、构造和反例然后给出它认为“可能有价值的类比方向”。比如一个模型可能在处理组合优化问题时自动联想到某个代数结构中的已知结论然后建议研究者往这个方向试探。这种建议大部分是无效的但偶尔会提供一个人类因为知识盲区而忽略的视角。这里必须强调边界模式挖掘提供的是线索不是结论。它和搜索引擎的区别在于搜索引擎返回的是你关键词相关的内容而语言模型可以生成一句“如果把这个条件放宽到复数域上或许可以参考某类函数的处理方式”这样带有联想性质的建议。这种建议能不能被采纳最终还是由人来判断。2.3 方式三辅助构造把想法拆成可验证的证明骨架再往前走一步AI还能参与证明构造的过程。这已经不是单纯搜索或联想了而是把一个大目标拆成更小的子目标并尝试自动填充一些机械化的证明步骤。现在有很多形式化证明工具和自动定理证明器在做类似的事情比如把证明目标转成若干个引理然后让机器自动搜索引理的证明路径。数学家在这个工作流里的角色有点像“架构师”而工具负责处理那些重复性、机械性的推导。这个分工其实已经在很多领域出现了比如程序员的代码补全、工程师的配置生成。它能减少一部分繁琐劳动但离“独立提出新概念并用逻辑链证明”还很远。所以我的判断是在“反例搜索”这一层AI已经能在真实研究中产生价值在“模式挖掘”这一层它是一个值得使用但必须小心的助手在“辅助构造”这一层它更适合处理证明的脚手架而不是发明核心思想。3. 单次发现不等于可以交付AI数学研究的完整验证链路如果你已经开始想象“用AI证明一切”的未来那我必须给你泼一盆冷水。AI给出的反例哪怕看起来再完美也不能直接作为正式结论来用。这里需要一条严格的验证链路。3.1 先复现再信任第一步永远是独立验证不管AI是在哪套系统里跑出来的反例你都需要先独立地把它复现一遍。独立的意思是不要用同一个脚本、同一个依赖库、同一个随机种子再来一遍而是要从最基本的定义出发人工检查这个反例是否真的满足所有前提。这一步不是形式主义。AI系统在寻找反例时经常会把“前提条件”编码得太宽或太窄。一旦前提条件编码错了AI生成的是一个满足“错误条件”的对象而不是满足“原命题条件”的对象。真实问题里这种情况非常常见。比如某个命题要求“对所有有限群成立”但在编码时可能只覆盖了置换群那么机器生成的反例只能说明它在置换群里找到问题并不代表推广到所有有限群。正确做法是把命题的所有前提假设单独列出来逐条检查反例对象是否符合再检查反例对象在目标结构里的运算规则是否被正确实现最后用独立工具或人工推导确认一次。3.2 形式化验证是最后一道闸门即使人工检查通过了如果这个反例要写进论文、影响后续定理那还应该补一道严格的形式化验证。形式化验证的意思是把反例涉及的所有定义、运算、命题和推导步骤输入到一套被计算机认可的证明规则系统中由机器确认每一步都合法。目前已经有不少形式化证明工具可以做这件事包括一些成熟的交互式证明助手。它们的使用门槛不低但好处是一旦验证通过就不会存在“这个反例是不是合法”的歧义。换句话说人工检查负责“理解”形式化验证负责“背书”。用工程来类比一个“看起来能跑”的脚本和生产环境里的正式发布完全是两码事。前者的验证是“我看了下好像没问题”后者的验证是“CI流水线跑完所有测试用例通过部署包签名正确”。AI辅助数学研究如果只停留在前者那它的成果永远只能当作线索不能当作结论。3.3 从反例到新理论还差着什么AI找到了一个反例接下来呢通常并不是“把这个猜想删掉”这么简单。现实中一个猜想的修正往往是向更精细的方向演进。你可能会发现原来的命题在某个附加条件下仍然成立或者原来的命题需要被改成另一个更准确的表述又或者原来的反例只是一个更大的新结构里的某个特殊点。这个过程更像是在做回归测试。每次AI推翻一个小的子命题你就要更新自己已有的证明体系。如果新反例暴露出了另一个更根本的漏洞那就要回到更上游的定义上去修正。你会发现AI真正带来的不是“一次性的结论”而是一种持续迭代的过程。研究者的工作从“证明一个固定命题”变成了“和AI一起不断试探命题的边界”。这种模式会和传统数学研究的工作方式有非常大的差异。4. 如果想让AI参与到自己的研究和验证里怎么开始你可能不是数学系的但你的工作可能也涉及“猜想-验证-证明”这一套逻辑比如做算法设计、做系统正确性验证、做数据科学里的因果推断。这套“AI辅助发现”的流程其实可以在自己的研究或工程任务里跑起来。下面给一个比较通用的起步路径。4.1 明确问题类型先别急着找工具先问自己你要解决的是什么类型的问题反例搜索型有一个命题或一个系统你想知道它有没有隐藏的边界情况。比如“我的调度算法在什么输入下会退化到极慢”模式发现型有一堆结果、数据或日志你想找出其中可能有价值的关联。比如“哪些参数组合最容易导致性能异常”辅助证明型你已经有了一个大致的论证骨架缺的是填充细节和检查逻辑链。比如“我想证明这个递归函数在某种输入下一定终止。”这三种问题对应完全不同的技术路线。如果混在一起用通常会浪费大量时间。4.2 根据问题选工具下面我按常见实践列一个简表不涉及具体版本落地前需要根据你的环境和依赖情况确认。它只是帮你建立一个大方向的认知。问题类型推荐工具类型输入输出主要陷阱反例搜索约束求解器、遗传算法、强化学习框架问题定义、对象编码、验证器一个或多个可能的反例验证器写错、对象编码不完整模式发现大语言模型、统计工具、聚类算法数据集、论文摘要、日志候选关联方向把相关性当因果、样本偏差辅助证明交互式证明助手、自动定理证明器命题、定义库、目标证明步骤、子目标状态形式化门槛高、定义库覆盖率有限这里尤其提醒反例搜索这个方向。它看起来最容易让人兴奋但也是最容易出问题的一层。验证器永远是要花最多时间的地方。如果验证器不正确后面所有“发现”都是空转。我的建议是反例搜索项目启动的第一周不要写搜索逻辑把所有时间用来把验证器打磨到“可信”的状态。宁可慢不要错。4.3 设计最小验证闭环不管选哪条路线都建议先做一个最小验证闭环不要直接上大工程量。五步流程在这里基本通用定义边界把命题、前提、对象空间写清楚越精确越好。构建候选生成器能够生成疑似反例或候选模式。加入验证器对候选进行自动判定。小样本人工校验跑几十条结果人工确认每一条是否真的合法。持续记录失败样本把AI生成但被人工否决的例子保留下来用来调试工具或调整提问方式。有一个细节容易被忽略第4步的人工校验不是只检查“AI给出的输出对不对”还要检查“AI是不是只在某个局部区域里打转”。如果候选生成器设计得不合理它可能在搜索空间里走了十万步却始终在同一个子空间里重复。所以一份好的失败记录不只是记录错误还应该记录哪些区域搜索次数很多但从未产生有效结果。这些都是后续优化工具的线索。5. 边界在哪里AI不会让数学变简单但会改变数学家的劳动方式5.1 机器反例和人类理解的落差AI能找到一个反例但通常很难解释这个反例为什么存在。它可能只是告诉你在第x号样本上某个条件不成立。至于是因为这个对象本身构造特殊还是因为整个方向都错了AI完全说不出来。这就是机器反例和人类理解之间最深的落差。数学的核心不仅仅是“正确”还包括“可理解”。一个只存在于机器输出里的反例即使被形式化验证了对人类知识体系的冲击力依然有限。因为如果没有人理解它背后的原因我们就不知道它能推广到哪里也不知道它和哪些理论有更深的联系。这就像代码自动修复工具能告诉你某一行有NullPointer风险但为什么业务上会出现这个问题、应该改一层还是改两层仍然需要人来判断。AI在数学里的定位很可能也像这样——它能指出问题但“意义”仍然由人来建构。5.2 这个方向真正适合谁如果要做个筛选我觉得AI辅助数学发现这件事并不适合所有人。你至少需要满足三个条件你有明确的、可形式化定义的问题。如果一个命题连边界都说不清楚AI无从下手。你愿意花时间去搭验证器。这是和“用AI生成一段代码”完全不同的事情。写一个数学对象的编码和验证器通常比直接手动推理更耗时。你不把AI当“答案机器”。在可以预见的未来它更像是一个“搜索加速器”和“直觉干扰器”。它帮忙找的地方最终还要人来决定是否朝那个方向走。对于只是想尝鲜的初学者我的建议是先别碰那些宏大猜想从一个非常简单、你已经知道答案的小命题开始用AI走一遍反例搜索流程。这个过程的收益不在于“发现新东西”而在于理解一个完整的工具链是怎么运作的。你会亲眼看到AI输出的“反例”里有多少是验证器bug造成的假阳性也会理解为什么“让机器帮忙发现”和“让机器告诉你答案”是完全不同的两回事。从长远看这项技术改变的不是“数学是否会消失”而是“数学家的工作内容会如何变化”。过去证明一个定理往往从一个灵感开始这个灵感通常来自个人经验、直觉和漫长沉思。未来这个灵感可能会更频繁地来自机器给出的异常信号。数学家需要转向去保护、修补和重组那些被机器证明脆弱的旧结构并在这个过程里发现新的问题。6. 回到那个夜晚一切并没有结束回到开头那个“一夜没睡”的片段。它之所以能传得那么广不是因为它准确地刻画了某一位数学家的真实状态而是因为它击中了一种共同的职业焦虑如果你毕生依赖的直觉体系有一天被一个完全不懂“为什么”的机器正面击穿你该怎么办但真正的答案也许不是“你彻底出局了”而是“过去那种完全依靠个人直觉的研究方式会慢慢变成一种风险更高的选择”。没有人会要求一位数学家在每个证明步骤上都完全放弃自己的理解但会有越来越多的人要求他在做关键决策时至少让机器在同样的问题空间里再搜一遍。单次跑通不足以说明问题能持续暴露边界、修正边界才是这种协作方式真正的价值。所以如果你下一次再看到“AI推翻某个猜想”的标题别急着兴奋也别急着恐慌。先问三件事第一AI的输入是不是完整覆盖了命题的所有前提第二那个反例有没有经过独立复现和形式化验证第三在反例被发现之后研究者如何把它转化成新的理论表述这三步走完你会发现AI真正的功劳不是“推翻”而是逼着整个研究体系重新思考什么才叫“相信”。而这种重新思考也许才是这个领域最值得长期关注的变化。
