AI 生成的反例在 2026 年压倒人类数学家

AI 生成的反例在 2026 年压倒人类数学家

AI 系统现在产生经验证的反例的速度快于人类

在 2026 年，大型语言模型（LLM）如 ChatGPT、OpenAI 的 Sol 与 Anthropic 的 Claude Fable 已经生成、自动形式化并编译了多个长期未解数学猜想的反例，证明机器已经能够在反例上超越人类数学家。

单位距离猜想：AI 在数周内推翻 Erdős 的猜想

**要点：**ChatGPT 给出了一个证明，说明 Golod‑Shafarevich 定理蕴含了对 Erdős 单位距离猜想的反例，并且在一个月内该结果已在 Lean 中完成全部形式化。

  • 2026 年 5 月 20 日，OpenAI 宣布 ChatGPT 利用数论中的深层定理推翻了单位距离猜想。
  • 负责审阅预出版手稿的人类专家最初接受了该论证。
  • Logical Intelligence（由 Yan LeCun 创立）在数天内将论证自动形式化为 Lean 代码。
  • 在 OpenAI 工作的 Boris Alexeev 使用更新的模型 Sol 生成了完整的 Lean 形式化，在三周内产生了 120 万行 Lean 代码——约为整个 mathlib 库规模的一半。
  • 这些 Lean 代码证明了数域上上同调的非平凡定理，确认了 AI 生成的证明在数学上是可靠的。

"代码编译成功，并证明了 Golod‑Shafarevich 定理能够产生 Erdős 猜想的反例。"

*含义：*大规模 AI 生成的数学发展已经成为可能，形式化验证可以自动完成。

阶数为 n 的群方案：一个 60 年前的 Grothendieck 问题被自动解决

**要点：**一个 AI 生成的 Lean 文件给出了 Grothendieck 关于有限平坦群方案的提问的反例，且该结果已合并进 mathlib。

  • 在 2026 年 7 月的一个关于形式化费马大定理的研讨会上，参与者使用 Claude Max（Claude Fable）和 ChatGPT Pro。
  • Akhil Mathew 提出检验“每个阶为 n 的有限自由群方案都被 n 消灭”的猜想。
  • Sol 生成了一份 12 页的 PDF，描述了一个反例；作者随后请求 Lean 形式化。
  • 四小时内，Fable 自动形式化出一个 1 076 行的 Lean 文件，该文件编译无副作用，并证明了存在一个阶为 4 的群方案不被 4 消灭。
  • 该反例作为 pull request 提交至 mathlib（PR #41748）。

"该陈述仅使用了 mathlib 中已有的概念，证明能够编译，且反例已被验证。"

*含义：*AI 能够产生简洁、可验证的深层代数问题的反例，极大加速了研究周期。

雅可比猜想：AI 声称解决了百年难题

**要点：**Fable（随后由 Paul Lezeau 手动形式化）在 Lean 中给出了雅可比猜想的反例，这一问题已悬而未决约 100 年。

  • Levent Alpöge 在 X 上宣布，Fable 在 2026 年世界杯决赛期间找到了雅可比猜想的反例。
  • 在公开宣布之前，Akhil Mathew 已经收到该 AI 生成的反例并请求 Lean 证明。
  • Paul Lezeau 在 DeepMind 的 Formal Conjectures 仓库中手动形式化了该反例（PR #4474）。
  • 由于 DeepMind 的仓库已经包含了该猜想的 Lean 陈述，验证 AI 生成的证明仅需一次平凡的编译步骤。

"雅可比猜想已被解决！下一步是让人类理解构造并提取数学洞见。"

*含义：*当猜想已经被形式化时，AI 生成的证明可以瞬间被检查，使得百年未解的开放问题瞬间变为已验证的结果。

社区反应：怀疑、兴奋与实际顾虑

**要点：**数学家们意见分歧——有的把 AI 发现的反例视为人类疏忽的证据，有的把它们当作能省去多年死路的工具，且多数人强调需要谨慎的提示工程与验证。

  • 帝国学院的一位教师将 Grothendieck 反例形容为“容易找到，说明人类想得不够”，这是一种否认阶段的反应。
  • 研究生们报告称，支付 每月 200 美元 以获取 Sol 或 Fable 已成为必需；哈佛为其社区提供免费访问，凸显了机构层面的采纳。
  • 评论者指出，AI 不仅仅标记不确定性；它 产生明确的错误证明，这比传统的同行评审更具决定性。
  • 有观察者警告，AI 生成的代码可能带有恶意（Lean 能执行操作系统指令），因此沙箱化仍然至关重要。
  • 另一些人指出，AI 仍然依赖人类编写的提示和领域知识来在庞大的可能反例搜索空间中导航。

"人类数学家已经被反例超越至少二十年，但今天的 AI 系统在规模和速度上前所未有。"

这对数学未来意味着什么

**要点：**AI 生成的反例的快速自动形式化标志着范式转变：形式化验证将成为数学真理的主要把关者，数学家将更多地充当提示工程师、解释者以及围绕机器产出进行理论构建的角色。

  • **验证流水线：**AI 生成猜想陈述 → LLM 自动在 Lean 中形式化 → Lean 编译器检查证明 → 数学家分析构造以获取洞见。
  • **研究加速：**以前需要多年手工证明的项目（例如模提升定理）现在可以在 AI 辅助下于数周完成。
  • **教育影响：**在研究生课程中早期接触 Lean 形式化可能成为标准，降低对易出错手写证明的依赖。
  • **风险管理：**沙箱执行与代码审查政策对于防止恶意 Lean 脚本至关重要。
  • **人类角色：**数学家必须专注于解释 AI 产出的例子、提炼概念理解，并引导 AI 朝有意义的研究方向前进。

机器仅仅辅助证明的时代已经结束；它们现在 主导反例的发现，迫使数学共同体调整其方法、激励机制以及认识论标准。

Sources