AI 產生的反例在 2026 年壓倒人類數學家
AI 產生的反例在 2026 年壓倒人類數學家
AI 系統現在產生已驗證的反例的速度快於人類
在 2026 年，大型語言模型（LLM）如 ChatGPT、OpenAI 的 Sol 與 Anthropic 的 Claude Fable 已生成、自動形式化並編譯了多個長期未解的數學猜想的反例，證明機器已能在「反例」上超越人類數學家。
單位距離猜想：AI 在數週內推翻 Erdős 的猜想
**重點：**ChatGPT 提出了一個證明，說明 Golod‑Shafarevich 定理暗示 Erdős 的單位距離猜想的反例，且在一個月內該結果已在 Lean 中完整形式化。
- 2026 年 5 月 20 日，OpenAI 宣布 ChatGPT 使用數論中的深層定理推翻了單位距離猜想。
- 審閱預發表手稿的人類專家最初接受了此論證。
- Logical Intelligence（由 Yan LeCun 創立）在數天內將論證自動形式化為 Lean。
- 在 OpenAI 工作的 Boris Alexeev 使用較新的模型 Sol 生成完整的 Lean 形式化，於三週內產出 120 萬行 Lean 程式碼——約為整個 mathlib 函式庫的一半規模。
- 這段 Lean 程式碼證明了關於數域上同調的非平凡定理，確認了 AI 產生的證明在數學上是可靠的。
"程式碼編譯成功，並證明 Golod‑Shafarevich 定理可產生 Erdős 猜想的反例。"
含意： 大規模 AI 產生的數學發展現在已成為可能，且形式驗證可以自動完成。
階數為 n 的群綱：一個 60 年前的 Grothendieck 問題被自動解決
**重點：**一個 AI 產生的 Lean 檔案提供了 Grothendieck 關於有限平坦群綱的問題的反例，且該結果已合併至 mathlib。
- 2026 年 7 月的「形式化費馬大定理」工作坊中，參與者使用 Claude Max（Claude Fable）與 ChatGPT Pro。
- Akhil Mathew 提出測試「每個階為 n 的有限自由群綱都被 n 消滅」的猜想。
- Sol 生成了一份 12 頁的 PDF，描述了一個反例；作者要求進行 Lean 形式化。
- 四小時內，Fable 自動形式化出 1 076 行 Lean 檔案，編譯無副作用，並證明存在階為 4 卻不被 4 消滅的群綱。
- 這個反例以 pull request 方式提交至 mathlib（PR #41748）。
"此敘述僅使用了 mathlib 中已有的概念，證明編譯成功，且反例已被驗證。"
含意： AI 能產生簡潔且可驗證的深層代數問題反例，極大加速研究週期。
雅可比猜想：AI 宣稱解決百年難題
**重點：**Fable（以及後來 Paul Lezeau 的手動形式化）在 Lean 中給出了雅可比猜想的反例，這是一個已開放 100 年的問題。
- Levent Alpöge 在 X 上宣布，Fable 在 2026 年世界杯決賽期間找到了雅可比猜想的反例。
- 在公開宣布之前，Akhil Mathew 已收到 AI 產生的反例並要求提供 Lean 證明。
- Paul Lezeau 手動將該反例形式化於 DeepMind 的 Formal Conjectures 倉庫（PR #4474）。
- 由於 DeepMind 的倉庫已包含該猜想的 Lean 陳述，驗證 AI 產生的證明僅是一次平凡的編譯步驟。
"雅可比猜想已解決！接下來的工作是讓人類理解其構造並提取數學洞見。"
含意： 當猜想已被形式化時，AI 產生的證明可以即時檢查，將世紀之久的未解問題瞬間變為已驗證結果。
社群反應：懷疑、興奮與實務顧慮
**重點：**數學家意見分歧——有些人將 AI 發現的反例視為人類疏忽的證據，有些人則把它當作節省多年死胡同工作的工具，且許多人強調需要謹慎的提示工程與驗證。
- 帝國學院的一位教師形容 Grothendieck 反例為「太容易找到，顯示人類思考不足」，這是一種否認階段的反應。
- 研究生表示，支付 $200 每月 以取得 Sol 或 Fable 的使用權已成為必需；哈佛大學為其社群提供免費存取，凸顯機構層面的採用。
- 評論者指出，AI 不僅僅是標記不確定性；它 產生明確的偽證明，這比傳統同行評審更具決斷力。
- 有觀察者警告，AI 產生的程式碼可能帶有惡意（Lean 能執行 OS 指令），因此沙箱化仍然至關重要。
- 另有聲音指出，AI 仍依賴人類撰寫的提示與領域知識，才能在龐大的可能反例搜索空間中導航。
"人類數學家已被反例超過至少二十年，但今天的 AI 系統在規模與速度上前所未有。"
這對數學未來的意義
**重點：**AI 產生的反例快速自動形式化標誌著範式轉移：形式驗證將成為數學真理的主要關卡，數學家將越來越多地扮演提示工程師、詮釋者與機器產出成果的理論建構者。
- **驗證管線：**AI 產生猜想敘述 → LLM 自動形式化為 Lean → Lean 編譯器檢查證明 → 數學家分析構造以獲得洞見。
- **研究加速：**先前需要多年手動證明的專案（例如模性提升定理）現在可在數週內完成，前提是有 AI 協助。
- **教育影響：**在研究所課程中早期接觸 Lean 形式化可能成為標準，減少對易出錯手寫證明的依賴。
- **風險管理：**執行沙箱與程式碼審查政策必不可少，以防止惡意 Lean 腳本。
- **人類角色：**數學家必須專注於詮釋 AI 產出的例子、提取概念性理解，並引導 AI 朝有意義的研究方向前進。
機器僅協助證明的時代已結束；它們現在 領導反例的發現，迫使數學社群調整方法、激勵與認識論標準。