AI数学,正在迎来十年前围棋界同款的「打脸时刻」。
持有类似判断的,不是别人,正是十年前推动AlphaGo项目的DeepMind联合创始人哈萨比斯。
虽说哈萨比斯最近经历了一系列身份变动——从DeepMind CEO转任谷歌首席科学家兼DeepMind董事长。
但论起AI如何改变人类认知,他仍是最有发言权的人之一。
十年前,他亲历AlphaGo凭借石破天惊的第37手,击败传奇棋手李世石。
十年后,站台AI攻入数学与科学前沿的第一现场,他又给出了一条新的判断:
如果AI能解决一个千禧年数学大奖难题,那将是「第37手级别」的重大突破。目前来看,AI达到那个水平似乎只是时间问题,我看不出为什么不会。
第37手,一个代表着人类第一次被AI打脸的时刻,由此被世人铭记。
但很少有人记得,第37手并不是那场人机大战留下的唯一答案。
两局之后,已经连输三场的李世石落下第78手。
这手棋同样只有万分之一的人类落子概率,却成功打乱AlphaGo,帮助李世石拿下五番棋中人类唯一的一场胜利。
十年后再回顾这场人机大战,不得不感慨:
人类与AI的关系,恰如这两个数字。
一个让人类重新认识AI,一个让人类重新认识自己。
让人类颜面扫地的第37手
时间拨回2016年3月,AlphaGo与李世石的五番棋大战正在韩国首尔上演。
首局较量,李世石不敌AlphaGo,出师不利。
来到第二局,全世界都在等着这位传奇棋手发起反击。
棋至中盘,李世石暂时离席,抽了根烟平复情绪,可当他重新回到棋盘前,一枚黑子已经落下。
第37手。
李世石没有立刻坐下,他站在原地盯着棋盘,几乎不敢相信自己的眼睛。
原因很简单,这步棋太不像人类了。
AlphaGo将棋子落在第五线上,偏离了职业棋手延续数百年的布局直觉。在人类围棋的常规认知里,棋子要尽可能占据高位以掌控全局,但AlphaGo偏偏落子于一块尚未发生直接战斗的区域。
现场解说最初甚至怀疑,AlphaGo是不是下错了。
负责解说的职业九段棋手Michael Redmond面对这枚黑子,良久无法判断,只能说:
我不知道这是好棋还是坏棋,它非常奇怪。
搭档则更加直接:
我以为这是一个错误。
DeepMind团队后来计算,人类棋手选择这一步的概率只有万分之一。
但随着棋局继续推进,人们才逐渐看清,这不是臭棋,这是一手从更大尺度改变战局的妙棋。
大约100手后,这枚看似落错位置的黑子,却偏偏成了AlphaGo赢下第二局比赛的关键。
后来,这个让人类集体误判的时刻,逐渐被戏称为「打脸时刻」——
原本以为是AI错了,结果错了的却是人类自己。
不过打脸之外,这一手也让全世界第一次意识到,AI不只会模仿人类下棋,它还能走出人类从未想过的一步。
而就在十年之后,「第37手」确实再度问世了,而且这一次它和一个古老的学科产生了关联:
数学。
对AI来说,围棋和数学有一个很大的共同点,那就是可验证性。
由于这些领域的逻辑和规则足够明确,所以AI可以不断重复一个简单的流程:
尝试一个想法,对其进行测试,从结果中学习,然后继续尝试,直到成功为止(强化学习那一套)。
这套机制也解释了,为什么数学会成为第一个被AI「第37手」集中轰炸的学科。
在药物研发、生物学等领域,一个想法是否有效,往往需要漫长实验才能验证。
数学不一样,证明过程可以逐步检查,对就是对,错就是错,AI因此可以不知疲倦地搜索。
就这样,随着AI能力不断增强,变化开始以年为单位加速了。
以ChatGPT的诞生为起点,2023年大模型还会被一些基础算术题绊倒,「9.11和9.9哪个大」的翻车现场一度让人啼笑皆非。
但到了2024年,DeepMind的AlphaProof与AlphaGeometry 2就已经冲进国际数学奥林匹克竞赛。
两套系统解决了6道题中的4道,拿下28分,达到银牌水平(距离当年的金牌线,只差1分)。
而短短一年后,Gemini Deep Think在正式比赛规定的4.5小时内解决5道题,拿下35分,达到IMO金牌水平。
两年时间,AI就从新手小白进阶到了IMO金牌,速度惊人。
但这还只是考场。
真正让数学界感到潮水扑面的,是AI开始从「做题」走向「研究」。
2025年,GPT-5参与解决埃尔德什问题848,提出了证明所需的关键估计。
数学家对其修正、收紧后,最终完成完整证明。
同一年,UCLA数学家Ernest Ryu借助GPT-5,为一个困扰优化理论40年的开放问题找到突破口。
在这一阶段,AI不再只是计算答案,它开始贡献关键想法。
然后,时间来到2026年,一系列重大数学问题开始取得突破。
率先扔下重磅炸弹的仍是OpenAI。
一个内部通用推理模型盯上了平面单位距离问题。这个问题由数学家保罗·埃尔德什在1946年提出,研究的是在平面上放置n个点,最多能产生多少对距离恰好为1的点。
近80年来,数学界普遍认为,正方形网格一类构造已经接近最优。
但AI直接从看似不相干的代数数论中搬来一套工具,构造出一组全新的点集,推翻了这个长期猜想。
整个证明随后经过外部数学家核验。
OpenAI称,这是通用AI首次自主解决一个在数学分支中具有重要地位的开放问题。
紧接着,Anthropic也跟了一手。
2026年7月,Anthropic数学家Levent Alpöge借助Claude Fable 5,为雅可比猜想找到一个明确反例。
一个困扰数学界87年的猜想,就这样被AI一夜证伪了。
甚至还有OA两家联手的。
就前两天,GPT-5.6和Fable 5联手,解决了一道悬置25年的数学难题。
(类似的故事不要太多......)
不过最夸张的还是谷歌,DeepMind正在把这种突破变成流水线。
其数学智能体Aletheia不再只生成一次答案,而是会反复提出证明、检查漏洞、推翻自己,再重新寻找路径。
DeepMind用它扫描了埃尔德什猜想数据库中的700个开放问题。
其中,AI自主解决了4个尚未解决的问题,还参与产出了多篇达到论文质量的数学成果。
这一尝试说明,AI已经开始成规模地搜索数学世界中的空白地带。
所以不难想象:
AI解决更多重大数学问题,就真的只是时间问题。
从解题到研究,从复述已知知识到提出未知答案,数学领域的第37手,正在接连落下。
寻找人类的第78手
而面对这个大概率即将到来的时刻,人类无疑将面对一个灵魂拷问:
如果AI还会不断走出人类从未想过的新路,人类又该怎么办?
十年前那场对决中出现的第78手,或许就是答案。
五番棋第四局,已经连输三场的李世石,将一枚白子楔入AlphaGo阵形中央。
这手棋同样偏离了常规,AlphaGo估算人类下出的概率也只有万分之一。
随后,机器乱了阵脚。
李世石最终拿下人类唯一一胜,第78手也因此被称为「神之一手」。
这场胜利并不意味着人类重新战胜了AI。
但至少说明,人类可以在理解机器之后,找到机器没有预料到的下一步。
这正是第78手留给今天的启示。
当AI越来越擅长给出答案,人类的价值将更多转向提出问题、判断方向,以及决定哪些答案真正值得寻找。
借用国际象棋中「半人马棋」的概念,也就是让人类棋手与计算机引擎共同作战。
p.s. 1997年IBM的「深蓝」击败人类世界冠军卡斯帕罗夫后,卡斯帕罗夫于1998年倡导并举办了首届「半人马象棋赛」,探索人类与AI合作的可能性。
哈萨比斯认为,科学正在进入类似的「半人马时代」:
我们正步入一个由人类与计算机共同协作的时代,我不知道这个周期会持续多久。但对于那些非常复杂的领域来说,这个时间可能会很长。比如药物研发、生物学、化学领域等,这些领域非常复杂,情况多变,而且无法验证一切。这时候就需要人类的直觉和洞察力,来决定前进的方向。
围棋后来的变化已经证明了这一点。
AlphaGo出现之后,AI迅速成为职业棋手的复盘工具,棋手可以用AI重新检查过去的定式,发现哪些经验其实并不可靠,也可以研究那些曾经被认为不合理的新走法。
一项分析超过580万步职业棋手决策的研究发现:
超级AI出现后,人类棋手的落子质量显著提高,新颖走法也变得更多。
不过事情也有另一面,那就是:
人们开始依赖AI给出答案,逐渐失去判断答案的能力。
就像李世石在退役时所说,面对一个无法战胜的对手,他已经很难继续享受曾经热爱的围棋。
这或许才是AI时代最值得警惕的问题。
当数学之外的更多领域受到AI影响,更强大的系统会让我们变得更有创造力、更高效,也更像人类吗?
还是会让人们放弃努力?
未来,AI还会不断落下第37手。
剩下的问题是,人类能不能找到自己的第78手。
参考链接:
[1]https://www.wsj.com/tech/ai/move-37-ai-demis-hassabis-google-deepmind-alphago-ec832a41?st=9XMAjn&reflink=desktopwebshare_permalink
[2]https://x.com/demishassabis/status/2085914742414061886
本文来自微信公众号“量子位”,作者:关注前沿科技
