新智元報道

編輯：定慧 好困

【新智元導讀】Google DeepMind最新AI智能體Aletheia在FirstProof挑戰(zhàn)賽中，獨立攻克了6道世界級數(shù)學難題，實現(xiàn)了從競賽水平到PhD科研級的質(zhì)變。人類數(shù)學研究的「手工時代」或許正步入倒計時。

剛剛，人類數(shù)學界最后的防線，宣告全面崩塌！

連吃瓜群眾都驚掉下巴：AI不僅會做題，現(xiàn)在居然已經(jīng)能獨立搞定PhD級別的純粹數(shù)學研究了。

就在這兩天，谷歌DeepMind的最新AI研究智能體Aletheia，在數(shù)學界一場名為「FirstProof」的巔峰挑戰(zhàn)賽中，一口氣干掉了10道公認的世界級未解數(shù)學難題中的6道！

DeepMind的高管Thang Luong在X上難掩激動地發(fā)帖：

「對我而言，這甚至比去年歷史性拿下IMO金牌的成就意義還要重大！」

這可不是什么普通的數(shù)學競賽。要知道，這些題目連全球最頂尖的數(shù)學家都感到極度棘手。

結(jié)果，Aletheia不僅自主算出了答案，甚至連提出其中第7題猜想的數(shù)學家Jim Fowler本人，都親自出面蓋章確認：

「AI的解題過程，是完全正確的�！�

就連當今世界最杰出的天才數(shù)學家陶哲軒，都在最新的訪談中表示：AI，已經(jīng)成為了我的「初級合著者」。

Aletheia的「神之一手」：暴力推演

Aletheia到底有多厲害呢？

來看看谷歌DeepMind首席科學家兼研究主任，超級推理團隊負責人Thang Luong怎么說：

「超級激動！我們的數(shù)學科研AI智能體 #Aletheia，剛剛?cè)灾鹘獬隽?0道出了名變態(tài)難的FirstProof挑戰(zhàn)題里的6道，直接拿下了首屆全場最佳！」

大家品品這句話的分量。

Luong直言不諱：

「在我看來，這甚至比咱們?nèi)ツ赀_到IMO（國際奧數(shù)）金牌水平的歷史性時刻，含金量還要高得多！」

因為這些題，是連當今世界上最頂尖的幾位數(shù)學大佬都感到極度頭疼的「超級硬骨頭」。

這次，DeepMind跑了兩個基于Gemini 3 DeepThink打造的Aletheia版本（區(qū)別僅在于底層模型不同）。

經(jīng)過多數(shù)專家的交叉「會診」，它們聯(lián)手干掉了10道題里的6道（分別是第2、5、7、8、9、10題）。

要知道，這套題的判卷評估環(huán)節(jié)簡直是地獄難度。

因為這世界上能看懂其中這幾道題的專家，都已經(jīng)是鳳毛麟角。

但也正因如此，DeepMind的研究過程嚴謹?shù)搅私跗珗?zhí)的地步：

整個解答過程純靠機器自己跑，全程「零人工干預」，而且完完全全是在FirstProof規(guī)定的死線內(nèi)提交的。

這是一個里程碑式的時刻。

不再是人類一步步喂算式，而是AI智能體已經(jīng)學會了趴在一個極端復雜的科研難題上「死磕」很久，在幾千條死胡同里撞南墻，最后跑回來向人類淡淡匯報一句：「我搞定了（或者搞砸了）�！�

DeepMind甚至把Aletheia在這個過程中燒掉的算力（推理成本）做了完整的可視化——

其中最炸裂的，莫過于第7題（P7）的驚天翻盤。

這是一道好幾年都沒人能解開的非典型難題。

據(jù)該領(lǐng)域?qū)＜襎ony Feng透露，在這次比賽里，除了Aletheia，根本沒AI能接近正確答案。

剛開始跑的時候，連DeepMind團隊自己都覺得Aletheia這次肯定沒戲了，結(jié)果居然跑出了正確答案！

為了攻克P7，Aletheia投入了海量算力——是當初解開Erd?s-1051問題時的整整16倍！

數(shù)學界權(quán)威Sang Hyun Kim在看完AI的解題步驟后，給出了極高評價：

「這是我有史以來第一次，看到AI完美無瑕地串聯(lián)運用了好幾個極其深奧的數(shù)學定理。這絕對是一個獨一無二的稀有案例！」

關(guān)于DeepMind對FirstProof的解讀和實驗細節(jié)全放這了：

論文地址：https://arxiv.org/abs/2602.21201

不胡說八道，才是AI最硬核的底氣

如果深挖DeepMind這篇論文，你會發(fā)現(xiàn)Aletheia之所以這么穩(wěn)，根本原因在于它掌握了一項關(guān)鍵技能：「自我過濾」。

傳統(tǒng)的AI大模型有個臭毛病，就是不懂裝懂（幻覺）。

不管你問啥，它都會一本正經(jīng)地給你編個答案。

但在科研級別的高端局，如果你給數(shù)學家扔一堆看起來極其合理但經(jīng)不起推敲的廢料，那還不如不給。

DeepMind是怎么解決這個問題的呢？

他們給Aletheia體內(nèi)設(shè)計了兩個「次級人格」：

一個是「生成者（Generator）」，專門負責大開腦洞，瘋狂猜想解題路徑；另一個是冷血無情的「驗證者（Verifier）」，專門負責給「生成者」挑刺。

在解題的黑箱里，這兩個子系統(tǒng)會瘋狂互搏。

當遇到那4道解不出來的問題時，Aletheia沒有選擇強行胡編亂造蒙混過關(guān)，而是直接給人類發(fā)出：「No solution found（未找到解法）」，或者到了時限直接閉嘴。

不胡編亂造，絕不在沒有把握的地方瞎耗人類專家的精力——這正是Aletheia最讓頂尖學者放心的地方。

正如論文中所寫：「為了提升準確率，我們寧愿犧牲它解答某些問題的能力�！�

而在解題成本上，除了P7那道耗費16倍算力的「神題」，其他幾道題解決下來，耗費的「腦力」也都遠遠超出了去年解決Erd?s-1051難題的極值。

想看完整的交互日志和解題過程（對的錯的，原汁原味全公開），直接戳這里：

GitHub地址：

https://github.com/google-deepmind/superhuman/tree/main/aletheia

Aletheia到底手撕了哪些「變態(tài)難題」？

先來看看特地提到的P7。

問題背景：代數(shù)拓撲/微分幾何。判斷包含二階扭轉(zhuǎn)元素的半單李群均勻格，能否作為某個萬有覆蓋在有理同調(diào)下無圈的緊致無邊界流形的基本群。

答案：不可能。

AI神仙解法：

證明思路一：純拓撲方法（Lefschetz數(shù)矛盾）

利用萬有覆蓋Q-無圈的條件，算出2階元素γ的緊支持Lefschetz數(shù)必須非零；但γ是自由作用的（沒有不動點），通過歐拉示性數(shù)的乘性又推出Lefschetz數(shù)必須為零。0 = ±1，矛盾。

證明思路二：幾何方法（對稱空間的剛性）

利用格的幾何結(jié)構(gòu)，構(gòu)造萬有覆蓋到對稱空間的等變映射，證明γ在兩邊的Lefschetz數(shù)必須相等。但在萬有覆蓋一側(cè)為零（自由作用），在對稱空間一側(cè)非零（Cartan不動點定理保證有不動點）。再次矛盾。

好在哪？

證明一好在「少」。題目給了一堆條件，但全都沒用。只靠最基礎(chǔ)的拓撲工具就解決了問題，而且實際證明了一個更強的結(jié)論：任何含扭轉(zhuǎn)的離散群都不行。鏈條極短：算Lefschetz數(shù)，一邊非零一邊為零，矛盾，結(jié)束。

證明二好在「深」。它把題目給的幾何條件全部用上了，構(gòu)造了萬有覆蓋到對稱空間的映射，最終在對稱空間上用Cartan不動點定理找到矛盾。這條路更長，但回答了更本質(zhì)的問題。。

問題背景：數(shù)論/表示論。在非阿基米德局部域上的矩陣群表示中，證明存在一個萬能的Whittaker函數(shù)，使得局部Rankin–Selberg積分對所有配對表示都非零。

答案：可以。 存在這樣的「萬能」W。

AI神仙解法：

先選一個特殊的Whittaker函數(shù)W，使積分域壓縮到緊集上，復參數(shù)s完全消失，問題簡化為證明一個有限泛函非零。然后用反證法：假設(shè)對所有V都為零，通過有限Fourier分析推出測試函數(shù)具有「平移不變性」，這會迫使表示π在一個比其導子更粗的子群下有不變向量，與導子的定義矛盾。

好在哪？

整個證明最關(guān)鍵的就是第一步選取Whittaker函數(shù)W。這一個選擇同時做到了三件事：1）把積分域壓縮到緊集上，2）消去了復參數(shù)s，3）把無窮維的解析問題變成有限維的代數(shù)問題。而且這個W不依賴于配對表示π——同一個選擇對所有π都管用，這在表示論里非常稀有。

反證法部分的「level lowering」也很精彩：假設(shè)泛函恒為零，通過有限Fourier分析逐步推出測試函數(shù)在模p^{c-1}下不變，但π的導子恰好是p^c，這個層級上不可能有不變向量。矛盾恰好卡在導子的定義上，一步不多一步不少。

對于其他題目，感興趣的讀者可自行查閱論文和GitHub項目。

人類出題的速度，已經(jīng)快跟不上了

為什么偏偏是數(shù)學，成了檢驗AI實力的終極擂臺？

道理很簡單——數(shù)學的答案非黑即白，對就是對、錯就是錯，沒有任何讓人類「手下留情」打人情分的空間。

但現(xiàn)在的問題是：出卷的速度，已經(jīng)被答卷的速度按在地上摩擦了。

2024年11月，Epoch AI上線了FrontierMath評測基準，專門用來摸底最前沿AI的數(shù)學推理能力。

剛上線時最強AI連2%的題都做不出來，結(jié)果到了今天，GPT-5.2和Claude Opus 4.6已經(jīng)能搞定基礎(chǔ)題庫40%以上的題目，連50道終極難度的第4級挑戰(zhàn)題，正確率也突破了30%。

不過，F(xiàn)rontierMath再難，本質(zhì)上還是「人類已有標準答案，看AI能不能也做出來」，說白了還是考試。

但FirstProof里的10道題，是11位頂尖數(shù)學家從自己真實科研中掏出來的、從未公開發(fā)表過的難題。

項目主頁：https://1stproof.org/

而且這場挑戰(zhàn)賽的結(jié)局充滿戲劇性。

• 2月6日題目放出后，專業(yè)學者、民間高手、各大AI實驗室紛紛下場。

• 到2月14日揭曉答案時，沒有任何人或團隊全部拿下。

• 隨后，出題者自己拿Gemini 3.0 Deep Think和ChatGPT 5.2 Pro跑了一輪，也只解出了2道。

• 最終，OpenAI最強內(nèi)部系統(tǒng)在有限人類監(jiān)督下解出5道。

對比之下，足以見得這次Aletheia「零人工」干預做出6道題的含金量有多高。

數(shù)學圈對此五味雜陳：一部分人直呼逆天，另一部分人覺得10道還剩4道沒解，離替代數(shù)學家還遠。

但一個不可逆轉(zhuǎn)的趨勢已經(jīng)擺在所有人面前——

我們需要更難的題庫來測AI，而且動作必須快，因為現(xiàn)有的一切正在以肉眼可見的速度過期。

Epoch AI顯然也意識到了這一點。

就在FirstProof開賽同期，他們放出了自己的大招——FrontierMath: Open Problems。

左右滑動查看

這個全新題庫收錄了16道專業(yè)數(shù)學家死磕過但至今全軍覆沒的真正未解之謎。

更絕的是，雖然沒有標準答案，Epoch AI卻給每道題寫了自動評分程序來判斷AI的解是否成立。

上線至今，沒有任何AI解出哪怕一道——這個「零分」現(xiàn)狀，反而恰恰證明了題庫的價值所在。

FirstProof團隊也沒打算收手，已經(jīng)官宣3月14日推出難度更變態(tài)的第二輪挑戰(zhàn)。

陶哲軒：AI是我的「初級合著者」

那么，站在數(shù)學界絕對頂峰的人，到底怎么看這場風暴？

在最新訪談中，陶哲軒給出了一個極其精準的定位：AI現(xiàn)在是他的「初級合著者」。

他2023年曾預測到2026年AI能達到論文合著者水平，當時褒貶不一，現(xiàn)在看進度完全吻合甚至略有超前。

而比這個頭銜更重要的，是陶哲軒描述的一種全新的數(shù)學研究范式。

他說，傳統(tǒng)數(shù)學研究像是「個案研究」，一篇論文揪著一兩個問題往死里磕，這是數(shù)學家?guī)装倌陙淼墓ぷ鞣绞�。但AI正在讓數(shù)學家第一次有能力做「大樣本普查」。

與此同時，數(shù)學研究中有大量極其繁瑣的計算是人類極其討厭做的，所以數(shù)學家們會絞盡腦汁想聰明辦法繞過去。但AI不嫌煩，它樂意不知疲倦地把這些枯燥的推演全部跑完。

當AI被整合進人類的工作流，這些曾經(jīng)讓人望而卻步的障礙就直接被跨過去了。

而在另一個維度上，AI還展現(xiàn)出一種獨特的本事——它能系統(tǒng)性地掃描人類根本沒精力去碰的問題長尾。

以埃爾德什留下的1000多個數(shù)學問題為例，AI能把它們從頭到尾過一遍，從中挑出可突破的題目逐個擊破。

人類不可能這么干，但AI可以，而且已經(jīng)在這么干了。

陶哲軒甚至承認自己從AI的解題過程里學到了東西：

也許它用到了某篇1960年論文里我沒見過的小技巧，它能做到那些人類專家看了一眼就懶得去試的事情。

下一個倒計時已經(jīng)開始

回看這整場風暴，一條清晰的主線已經(jīng)浮出水面：

從FrontierMath被快速刷穿，到FirstProof上Aletheia零人工干預拿下6題，再到陶哲軒親口承認AI已是自己的「初級合著者」。

所有信號都在指向同一個事實：

AI正在以一種不可逆的姿態(tài)，嵌入人類數(shù)學研究的核心流程。

而最值得玩味的，是Epoch AI那個至今「零分」的Open Problems題庫。

它的存在本身就是一個隱喻：

人類現(xiàn)在能拿來考AI的最后武器，是連自己都不知道答案的題目。

這道防線還能守多久？沒人敢打包票。

但有一點幾乎可以確定——

當3月14日FirstProof第二輪挑戰(zhàn)賽開啟的那一刻，今天這篇文章里的所有數(shù)字，可能就已經(jīng)過時了。

參考資料：

https://x.com/rohanpaul_ai/status/2026559039241597070?s=20

https://www.theatlantic.com/technology/2026/02/ai-math-terrance-tao/686107/