你敢信吗？困扰数学界整整80年的“单位距离猜想”，居然被AI在没人监督的情况下给解决了！2026年5月，这个消息在数学圈炸了锅——提出这个猜想的埃尔德什可是20世纪最牛的数学家之一，多少顶尖学者熬白了头都没摸到门道，结果OpenAI的一个大语言模型，不仅独立推翻了它，还附带了Lean工具的完整校验，意味着这不是瞎蒙的答案，是能被严格审查的真成果！

这件事简直就是AI和数学关系的活教材：它既能干出人类干不了的事，又有自己迈不过去的坎。

过去两年，AI在数学和物理领域的进展，真的超出了很多人的想象。谷歌DeepMind的AlphaEvolve，把Gemini的生成能力和自动化评估结合，用“进化搜索”反复试错，居然在67个公开难题里找到了人类已知的最优解，甚至还优化了矩阵乘法算法——这可是物理模拟、数据科学、AI训练本身都离不开的基础算法啊！还有Harmonic公司的Aristotle系统，解决了好几个埃尔德什提出的难题，那些题看着简单，证明起来比登天还难。初创公司Axiom Math也说，他们的工具已经给一些没人解决的研究级问题给出了答案。

但你知道吗？这些成就背后藏着一个容易被忽略的真相：AI目前最擅长的，是在已有的知识框架里高速搜索和找模式，而不是凭空造一个全新的概念框架。

就像爱因斯坦发现狭义相对论，不是靠搜索现有的知识，而是他察觉到经典力学和麦克斯韦方程组之间有个大矛盾——这种“哪里不对劲”的直觉，还有重新定义问题的胆量，现在没有任何AI能做到。数学家陶哲轩用Lean4检查自己论文时，发现了一个细微的逻辑漏洞，那个步骤看起来天衣无缝，其实缺了严格支撑。这说明AI现在最靠谱的用途，不是替代人类创造，而是当个不知疲倦的“严格审查员”，帮你揪出那些藏在细节里的坑。

AI的局限：为什么它成不了爱因斯坦？

很多人可能会问，既然AI能解这么难的题，那是不是早晚能取代数学家？其实不然。AI的强项是处理已知范围内的问题，但最顶尖的数学突破，需要的是跳出框架的创造力。

比如爱因斯坦，他不是在已有的理论里找答案，而是质疑了整个经典力学的基础，提出了全新的时空观。这种能力，是AI目前完全不具备的——它没有“直觉”，也不会“质疑”，只能在人类给它的框架里打转。陶哲轩的例子也证明了，AI能帮你检查错误，但提出新问题、新方向的，还是得靠人。

未来数学：人和AI如何组队搞大事？

现在，顶尖的研究团队已经在探索人机协作的新模式了。伦敦数学科学研究所、帝国理工学院的团队，正在研究怎么让人和AI更好地配合。

图片来源：Roman Rybiansky/伦敦数学科学研究所

在提出猜想这个环节，AI已经表现出了价值。2021年，AI把一个关于数学“纽结”的模糊假设，变成了一个清晰、可证明的命题，然后人类数学家完成了证明。2022年，研究人员用AI分析椭圆曲线数据，发现了一种之前没人注意到的规律——数据点不是乱分布的，而是像椋鸟群舞一样形成波状带，这在数论领域引起了大讨论。这里的逻辑很清晰：AI负责在海量数据里找人类看不到的模式，人类负责判断这个模式值不值得研究，以及怎么把它变成严谨的数学陈述。

还有“形式化”这个环节，AI也在发力。把直觉性的证明转化为计算机能验证的形式，本来是个超耗时的活，但这个过程能暴露很多隐藏的漏洞。哥德堡查尔姆斯理工大学的研究者，用大语言模型半自动化拓扑学定理的形式化；帝国理工的Xena项目，让大学生把本科数学课程的证明数字化，给未来AI训练积累高质量的语料。

但这里有个风险：数学家不能过早相信AI的答案，放弃批判性思考。研究人员发现，AI生成的猜想里，很多是无关紧要的、已知的，甚至是错误的，必须靠人类专家筛选和判断。

未来最可能的模式，应该是一个AI生态系统：生成器提候选方案，反驳者找反例，验证器做形式化检查，而人类数学家当总指挥——决定哪个方向值得推进，哪个结果值得信赖。

AI不是对手，是数学家的“超级望远镜”

最后想说，AI不会取代数学家，就像望远镜没有取代天文学家一样。望远镜让天文学家看得更远，AI则让数学家能处理更复杂的数据，发现更多隐藏的规律，还能帮他们检查错误，节省时间。

其实，AI和人类数学家的关系，更像是搭档：AI做它擅长的事，人类做人类擅长的事，一起推动数学向前走。

你觉得未来AI会帮人类解决更多像“单位距离猜想”这样的难题吗？或者说，最核心的数学创造力，永远只能属于人类？欢迎在评论区聊聊你的看法——毕竟，数学的未来，可能就藏在我们的讨论里！