人类卡了几十年的数论悬案，AI 仅用 8 页纸就给秒了？
这两天，整个数学界和计算机圈都陷入了巨大震撼。
10月18日，斯坦福大学数论学家 Jared Duker Lichtman 在 X 上的话瞬间引爆全网——
「此类证明的存在，强烈暗示了 P≠NP。」
这句话的导火索，是 OpenAI 内部模型刚交出的逆天答卷——「不存在 Landau-Siegel 零点」的证明。
这道解析数论里卡了几十年的关键难题，学界公认极难。
结果，OpenAI 不仅做出来了，原始证明竟然只有 8 页！
更刺激的还在后面。顶尖数学家们迅速跟进：
- 密苏里大学的 Bill Banks 先写了一份 19 页的详细拆解；
- 紧接着，Bryce Kerr 利用双二次扩张和 Masser 的经典结果，把证明压缩到了 6 页；
- 随后，牛津大学教授 Ben Green 再砍一刀，直接给出了 5 页纸的终极版本！
从几十年的无解绝望，到短短 5 页纸。伦敦玛丽女王大学教授 Abhishek Saha 发出了灵魂拷问：
如果这个问题只要 5 页就能证明，为什么数学家们几十年都错过了？
寻找如登天，验证如喝水
为什么 5 页纸的数论证明，会让斯坦福教授直接联想到计算机科学的圣杯——P vs NP？
道理很简单。
一份 5 页的证明，任何专家花几小时就能读完验证；但为了这 5 页纸，人类最聪明的大脑却苦苦摸索了几十年。
「寻找极难，验证极易」这八个字，恰恰就是 P≠NP 的底层直觉。
在评论区，Anthropic 研究员 Joshua Batson 一针见血地指出——
数学家的「显然」总是相对的。事实证明，许多未解难题（相对于 AI）都是显然的。
玩笑背后，是一个极其严肃的拷问：当 AI 几周内交出 700 多篇数学手稿，千禧年神题 P vs NP，是不是也快了？
三道高墙，锁死人类五十年
用一句话解释 P vs NP：能快速验证答案的问题，是否都能快速算出答案？
P 是「能快速求解」的问题，NP 是「能快速验证」的问题。
数独、排课、破解密码都属于 NP：给你答案，一秒就能检查对错；但从零开始找，只能近乎穷举。
如果 P=NP，现代密码学瞬间崩塌，全球金融裸奔，但所有复杂难题都将迎来终极捷径。
如果 P≠NP，则意味着宇宙存在本质上无法走捷径的难题。
这个问题自 1971 年提出，悬赏 100 万美元。绝大多数科学家相信 P≠NP，但五十多年来无人能证。
难在哪？因为人类不仅没找到钥匙，反而证明了现有的开锁工具注定无效。
这就是著名的三道「屏障」：
- 相对化屏障（1975） ：靠模拟与对角化的经典方法，根本不可能解决它；
- 自然证明屏障（1994） ：大多数电路下界的证明套路，若能证出 P≠NP，就会顺手破解伪随机数生成器，自相矛盾；
- 代数化屏障（2008） ：连带代数技巧的升级版方法，也被证明火力不足。
今年 6 月，复杂性理论学者 Lance Fortnow 悲观地表示：目前人类连一条可行的攻击路线都没有。
他建议挑战者先去证「SAT 没有平方时间算法」这种简单得多的问题，然后补刀说：「你在那里也不会成功。」
这，就是 AI 要面对的对手。
719篇手稿狂轰，9岁萌娃贴脸开大
面对铜墙铁壁，AI 直接开启了饱和式攻击。
10 月 6 日，OpenAI 在 GitHub 一次性放出了 722 篇手稿（次日撤回 3 篇），归为 372 个结果家族。
内部模型尝试了约 4000 个开放难题，平均每题仅耗时约 3 小时的 ChatGPT Pro 算力。
其中，理论计算机科学占了 40 个家族。虽然没直接干掉 P vs NP，但好几篇都精准砸在了通往它的主干道上。
今年 6 月，Lance Fortnow 写道：除了模拟，我们对通用多项式时间算法毫无办法；电路复杂性、证明复杂性、代数几何等路线，都卡在远低于多项式时间全部能力的地方。他的结论是，目前连一条可行的攻击路线都没有。巧的是，OpenAI 这次的六个结果，恰好在每一条上都插了旗。
第 112 号家族（深度 3 电路下界） ：证明 P vs NP 最被看好的路线，是证明某个 NP 问题需要「超多项式大小的电路」。人类在深度 3 电路的显式下界上长期卡在 $2^{O(\sqrt{n})}$ 附近，AI 这次直接跨过了这道坎。
第 102 号家族（唯一博弈猜想，UGC） ：证明了 Subhash Khot 在 2002 年提出的这一核心猜想（含部分 Lean 验证）。它与 P vs NP 紧密相邻，极大强化了许多 NP-hard 优化问题的近似硬度极限。
基础算法与去随机化：实现随机对数空间的完全去随机化（L=RL=BPL）；矩阵乘法指数压至 $\le 2.25 + \varepsilon$；整数乘法和 DFT 跌破 $O(n \log n)$ 时间。
围绕第 102 号「唯一博弈猜想」，还发生了一幕扎心的插曲。
著名学者 Scott Aaronson 的妻子 Dana Moshkovitz，为这个猜想奋斗了整个职业生涯。结果发布当晚，他们 9 岁的儿子跑去嘲笑妈妈：
「听说有个机器人，把你研究了一辈子的题解出来了！」
《量子》杂志还披露，MIT 的 Dor Minzer 团队在 9 月 11 日听到 OpenAI 的风声后，为了不被机器抢发，火速赶在 OpenAI 发布前放出了自己证明的相关变体。
人类数学家，已经开始和 AI 赛跑了。
大佬泼冷水：外城已下，城门未破
不过，最懂行的专家反而最冷静。
Lance Fortnow 次日发文指出：AI 对给定问题的解出率不到 10%，而且这些结果没有一个让我们更接近解决 P vs NP。
Scott Aaronson 虽称 10 月 6 日是「数学史上最重要的日子之一」，但也点名：清单里不仅没有 P≠NP，连 P=BPP 这些「小一号」难题也没有——显然不是因为没试过。
他在播客中透露：OpenAI 和 Anthropic 正用内部最强模型竞相攻克 P vs NP，但都还没成功。
冷静来看，距离破局还有四大硬伤：
- 验证远未完成：仅约 42% 附带 Lean 形式化证明，其余全靠人工。Aaronson 坦言，几乎还没有人类真正读懂其中任何一篇长证明。
- 可读性极差：Moshkovitz 评价 AI 的唯一博弈证明，写得「糟糕到不借助 AI 根本读不懂」。
- Lean 不是万能的：机器只能保证推理无误，无法保证形式化定义与原问题完全一致，也无法判断结果是否重要。
- 核心路线空白：AI 突破的是深度 3 电路和代数电路，而能推出 P≠NP 的「一般布尔电路下界」，依然是白卷。
终极悖论：AI就是P≠NP 的活证据？
既然城门未破，为何依然说「AI 正在逼近」？
因为三个信号已经无比清晰。
第一，难题的「难」被重新定价。 Siegel 零点的 5 页证明说明，有些绝境缺的只是没人想到的那一步。还有多少猜想只差一层窗户纸？没人确定。
第二，外围阵地全面开花。 唯一博弈、电路下界、去随机化、矩阵乘法……这些周边阵地的里程碑被 AI 密集攻克，主攻方向迟早会破局。
第三，规模与速度不是人类量级。 4000 个问题，平均每题 3 小时。当各大实验室把下一代最强算力死死对准 P vs NP，量变极可能引发质变。
对于最终结局，学界甚至出现了有趣的押注分歧。
Aaronson 依然重注 P≠NP；但也有学者认为，如果 AI 真能破局，答案更可能是 P=NP——因为让 AI 搜出一个巧妙算法，比用现有数学证明「不可能」，要容易想象得多。
不过，整件事最耐人寻味的幽默之处在于——
AI 越强大，它本身就越像是 P≠NP 的活证据。
它耗费海量算力去「寻找」证明，人类花几小时去「验证」结果。
如果有一天，AI 真的烧光算力证出了 P≠NP，那将是这个千禧年难题最完美的一次自我证明。
参考资料：
发表于 12 分钟前
|
查看: 2|
回复: 0
/1 
