AI证出概率论70年圣杯难题，数学家却读不懂它的证明

2026 年 8 月 30 日，概率论学者、2022 年菲尔兹奖得主 Hugo Duminil-Copin 在博客里留下一句略带忧伤的预言：

在我们这个领域，最著名的那个猜想倒在推土机（AI）的轰鸣之下，恐怕只是时间问题。

他谈论的，正是数学界悬了半个多世纪的“圣杯级”难题——渗流理论中的连续相变猜想。用数学语言表述就是：在恰好等于临界点的那一刹那，系统内部到底能不能形成一个无限大的连通网络？也就是 $\theta(p_c)=0$ 猜想。

几乎就在文章发出的同一时间，同行们在 GitHub 上发现了一个代码仓库。

里面躺着的是由 Anthropic 的大语言模型 Claude 自动生成、并经过数学形式化证明语言 Lean 严格验证的完整证明。

那道困扰数学界近 70 年的渗流理论连续相变猜想，已经被 AI 证明。

消息没有新闻发布会，也没有官方博客，先是在数学圈内部传开。

德国布伦瑞克工业大学数学家 Benedikt Jahnel 接受采访时直言：

如果有人类证明了这个猜想，他大概率能拿菲尔兹奖。但现在，是 AI 跨过了终点线。

数学家 Gil Kalai 则表示：“如果得到验证，这将是一项非凡的突破。”

但这篇文章想讨论的，不是“AI 又攻克了一个难题”。真正棘手的问题发生在证明之后：证明已经写出来了，逻辑也被机器验证了，但没有人能看懂它到底是怎么证的。

70 年的“圣杯”，人类数学家走到的最后一厘米

渗流理论中的连续相变猜想，被称为概率论的“圣杯”。

1957 年，数学家 Broadbent 和 Hammersley 提出了一个朴素的问题：液体究竟如何穿过一块多孔海绵？

把空间想象成一张网格，每根管道以概率 $p$ 畅通、以 $1-p$ 堵塞。当 $p$ 很小时，水渗透不远就会停下；当 $p$ 很大时，水流几乎贯通全网。从局部水滴到无限连通网络的分界线，就是临界概率。

真正的世纪之问是：在恰好等于临界点的那一刹那，系统内部能不能形成无限大的连通网络？

二维方格网络中，数学家 Harry Kesten 在 1980 年证明了临界概率恰好是 $1/2$，且相变连续，由此奠定宗师地位。

11 维及以上的超高维空间，也早已被均场论工具攻克。真正的噩梦集中在 3 维到 10 维——这里既没有二维的几何对称性，也无法直接套用高维的统计平滑工具。

Duminil-Copin 正是这些“撞墙者”中最著名的一位。他坦言，自己多次试图攻克 3 到 10 维的连续相变问题，均以失败告终。但那些看似荒废的失败草稿，反而孕育出数十个灵感。他日后斩获菲尔兹奖的诸多工作，几乎全是这道主线任务失败后结出的“副产物”。

AI 抓住的，是人类铺好的最后一块砖

很多人会本能地猜测：AI 是不是靠穷举把所有可能性都试了一遍？

答案是否定的。如果只是穷举，算到宇宙毁灭也证明不了一个无限维度的连续性猜想。

关键在于，人类学者此前已经铺下了最后一块砖。

2024 年，以色列魏茨曼科学研究所的 Gady Kozma 与佐治亚理工学院的 Shahaf Nitzan 发表论文，证明：只要能证明一个特定的、形式相对简洁的代数不等式成立，那么 3 到 10 维的猜想就会自动成立。

终点线被拉近到只剩最后一步。

但这最后一步，却成了人类数学家的“滑铁卢”。该不等式在推导关键节点反复出现奇异性崩溃，始终无法靠手工推导攻克。

Claude 正是抓住了这个跳板。它在 Lean 的严苛约束下，调用已知的分析工具与不等式技巧，以数千行形式化代码构筑推理闭环，完成了对该不等式的证明。

这是一次高维逻辑的精密缝合，而不是算力的蛮力碾压。

真正的困境：证明被验证了，但数学家看不懂

如果故事到这里结束，那它只是一个“AI 好厉害”的故事。真正值得追问的，是接下来发生的事。

宾夕法尼亚大学数学家 Ahmed Bou-Rabee 宣布，他借助大模型辅助，仅用一天时间就对证明代码进行了泛化与修改。他还表示，有些研究项目自己做了整整八年几乎毫无进展，如今在 AI 协助下，距离彻底解决只差一步。

但魏茨曼研究所的 Kozma 教授——2024 年那篇关键论文的作者之一——保持克制。他表示，对相关宣称暂时不予置评，仍在等待 Anthropic 发布一个人类能看懂的版本，并解释具体做法。

这揭示了一个比“AI 会不会证明数学”更深层的问题：Lean 保证了逻辑的正确性，却不保证人类能够消化这个证明。

形式化验证是一台冷酷的逻辑机器。它只回答“这个推导是否成立”，不回答“这个推导是否可以被人类理解”。

当 AI 生成的证明长达数千行、并且高度依赖自动化工具链的搜索路径时，人类数学家可能需要数月甚至数年，才能将其“逆向工程”成一篇可读的论文。

Duminil-Copin 本人此前在另一个场合表达过类似担忧：AI 擅长在已有框架内快速验证和推进，但数学中最珍贵的，是提出框架本身。

菲尔兹奖得主 Terence Tao 也曾指出，AI 在数学中的真正价值，可能在于“处理那些人类不愿花时间做的繁琐验证”，而不是替代人类提出猜想。

数学家的角色，正在被重新定义

这场突破传递出一个清晰信号：AI 在数学发现中的角色，正在从“辅助工具”转变为“独立解题者”。

过去，数学家的工作流程是：提出猜想 → 手工推导 → 同行评议。而现在，AI 可以跳过“手工推导”这一步，直接给出经过形式化验证的证明。

人类数学家则需要逆向工程，去理解 AI 是如何做到的。

这或许意味着，数学家将从“苦修的攀登者”转变为“引导 AI 探索未知的领航员”——定义问题、设定方向、验证结果，而不再亲手完成每一步推导。

Benedikt Jahnel 在采访中给出了一个复杂的判断：

“这一结果带给我极其复杂的感情。一方面，猜想终于被证明了，作为数学家我由衷地高兴；但另一方面，心中却弥漫着一种巨大的失落与幻灭，因为是 AI 踢出了最后的临门一脚。”

人类守候了半个多世纪的殿堂大门，被 AI 拧开了。但门后面的走廊，人类还没真正走进去。

这件事和普通人有什么关系？

你可能一辈子都不会去证明一个数学猜想，但这背后折射出的变化，其实正在很多人的工作中发生。

过去，专业人士的价值建立在“我能做到你做不到的事”——医生能读片、律师能写合同、程序员能写代码。

但当 AI 开始在越来越多的专业领域交出“正确结果”时，人类的价值锚点正在从“亲手完成”，转移到“判断什么值得做、验证结果对不对、为后果负责”。

Claude 证明了一道数学家 70 年没证出的猜想，但数学家仍然需要判断：这个证明对不对？它有没有隐含的前提？它能不能被推广到其他问题？这些判断，AI 现在还给不了。

这不是“AI 取代人类”的故事，而是“人类和知识的关系正在改变”的故事——我们从“亲手推导”，转向“定义问题、引导方向、验证结果”。

这个过程已经在编程、法律、医疗、金融领域发生。数学，只是最新的一块拼图。

悬而未决的问题

无论最终验证结果如何，有一个问题已经被摆上了台面：当证明过程超出人类的理解范围时，我们还能说“我们理解了”这个定理吗？

数学的本质是证明，但数学的实践是理解。

一个人类无法消化的证明，在逻辑上是成立的，但在认知上却是悬空的。它更像是一份来自更高智能的“神谕”——你知道它是对的，但你暂时不知道为什么。

AI 已经把机器证明扔在了桌上。接下来，轮到人类来回答这个问题了。