Claude Fable 与雅可比猜想的反例

Claude Fable 证伪了雅可比猜想

一个名为 Claude Fable 的 AI 模型产生了一个雅可比猜想（Jacobian Conjecture）的反例，有效地证明了该猜想是错误的。这一结果由 levent (@alpoge) 于 2026 年 7 月 20 日宣布，详细描述了一个从 $\mathbb{C}^3$ 到 $\mathbb{C}^3$ 的特定多项式映射，该映射具有常数雅可比行列式，但不是单射的，从而违反了猜想的要求。

反例

该反例由一个多项式映射 $F: \mathbb{C}^3 \to \mathbb{C}^3$ 组成，其定义如下：

• $f_1 = (1+xy)^3 z + y^2 (1+xy) (4+3xy)$
• $f_2 = y + 3 x (1+xy)^2 z + 3 x y^2 (4+3xy)$
• $f_3 = 2 x - 3 x^2 y - x^3 z$

数学性质

根据公告，该映射的 雅可比行列式为 -2。由于该映射不是单射的，该猜想被证伪了；它将三个不同的点映射到同一个输出：

• $(0, 0, -1/4) \to (-1/4, 0, 0)$
• $(1, -3/2, 13/2) \to (-1/4, 0, 0)$
• $(-1, 3/2, 13/2) \to (-1/4, 0, 0)$

这些性质的验证已使用 Wolfram|Alpha 完成，并且在 Lean (Mathlib) 中的形式化工作已经开始。

更广泛的数学影响

由于雅可比猜想在数学上与其他重大问题相关联，其证伪会对相关猜想产生多米诺骨牌效应：

• Dixmier 猜想： 第三 Weyl 代数的 Dixmier 猜想现在被认为已被推翻。
• Poisson 猜想： 由于 Poisson 猜想与雅可比猜想等价，因此也暗示其在一般情况下是错误的。

AI 发现过程的分析

综合 vs. 暴力搜索

关于 Claude Fable 如何得出这一结果存在着大量的讨论。一些观察者认为，该模型可能从大量先前的失败证明和接近成功的尝试中综合出了该反例，而另一些人则推测它对多项式族进行了高效的非线性搜索。

一位评论者指出了发现过程的高效性：

"To think that Claude Fable was able to find a counterexample with a cubic is insane to me... [others] were bruteforcing polynomials in about 16 variables... guessing the lower bound... would go up to 200."

人机协作

虽然模型产生了结果，但这一发现是协作的结果。公告将提出问题的功劳归于 "akhil"，并将计算工作归功于 "fable"。这突显了 "math-vibe coding" 的一种日益增长的趋势，即研究人员使用 AI 来生成发现的候选方案，然后将大部分时间用于手动验证和验证结果。

社区反应与争议

该公告引发了关于数学的未来以及 AI 在正式发现中的作用的辩论：

• "Crank Graveyard"（骗子坟场）： 由于几十年来业余人士提交了大量错误的证明，雅可比猜想被描述为 "canonical crank graveyard"（典型的骗子坟场）。这使得这一发现显得尤于感伤，因为一个在 1990 年代可能被研究生用几天计算机搜索就能找到的结果，现在却被一个 LLM 找到了。
• **数学现状： 一些数学家对前沿模型能够迅速解决所有当前人类基础设施可及的问题表示担忧，认为这可能会将数学减少为对一个 "oracle"（神谕）的解释。
• 验证滞后： 用户指出，虽然 AI 可以瞬间生成这些结果，但验证它们所需的人力仍然是巨大的。一位研究人员提到，"verification has taken more time than it did to make the discoveries."