作者:MedXY 编辑
Anthropic 的一名数学家宣布,他与 Claude 已找到黎曼猜想的证明——这是自 1859 年以来数学界最著名的未解问题之一——并将该方法推广至广义黎曼猜想(GRH)。然而,尽管这一声明引发强烈关注,该证明是否真的正确仍不确定,这凸显了所需验证工作的巨大规模,也指向数学和物理科学领域更广泛的“AI 时刻”。
GitHub 链接:https://github.com/CocoSgt/riemann-hypothesis-lean

一项规模巨大的证明,验证仍是未决问题
根据 Levent Alpöge 的声明,整个论证已在 Lean 中形式化,且未引入额外假设;但尚未写出人类可读版本,因为 Claude 的详细草稿超过 250,000 页。Alpöge 没有发布一堵难以阅读的生成文本之墙,而是发布了形式化 Lean 代码(分为 14 个归档部分),同时计划先消化并简化论证,再撰写传统论文。
关键在于,目前尚无人公开验证该 Lean 代码,Alpöge 也指出,部分时间线和解释依赖 Claude 的摘要——他承认自己的复述在某些地方甚至可能讲不通,而 Lean 代码本身必须作为最终依据。即便有 Lean 这类形式化工具,核查如此规模和复杂度的论证仍是一项巨大工程,这意味着该证明的有效性远未尘埃落定。
人类与 AI 如何协作
Alpöge——一位数论学家,拥有普林斯顿大学博士学位,师从菲尔兹奖得主 Manjul Bhargava,曾任哈佛大学 Junior Fellow,也是 Morgan Prize 得主,并在 GPT-4 之后重新转向计算——描述了这样一种分工:在接近终点时,Claude 大幅领先推进。
核心策略:该合作试图仿照 Stepanov 方法在函数域上使用的“重数”思想,将 theta 提升串联起来,以模拟在整数上取导数或重数。
关键 AI 跃迁:对于长度为 的 von Mangoldt 函数加权和,Claude 提出将链长取为 ——Alpöge 称这一建议令人震惊,足以让同行从椅子上跌下来。
预期简化:Alpöge 还直觉认为,该证明可能很快就会大幅缩短,暗示一个简短得多的论证或许会迅速出现。
为何这指向科学界的“AI 时刻”
即便这一具体尝试仍需进一步审视或修订,这一事件也凸显出更大的转变:以 AI 为主要驱动力攻克黎曼猜想,越来越像是时间问题,而非可能性问题。
当生成与推理系统能够提出结构性跃迁、驾驭高阶自守形式,并起草数十万页的技术步骤时,瓶颈便从仅仅生成想法转向验证、压缩并信任这些想法。这种动态不太可能局限于纯数论。在数学、材料科学、物理学和化学领域,基础研究正进入一个 AI 时刻——AI 从偶尔的助手转变为发现的核心引擎,重塑核心科学学科中发现与验证突破的方式。


