剑桥数学教授亲测：AI帮我们解开一个尘封多年的组合数学难题

近日，剑桥大学数学教授、菲尔兹奖得主 Timothy Gowers 在个人博客中披露了一段不寻常的科研经历——他与一个尚未公开的AI模型合作，在短短一小时内，解决了一个困扰数学界多年的组合数学问题。这不是科幻场景，而是真实发生在当代数学研究前沿的一次突破。

问题源自著名数论专家 Mel Nathanson 提出的关于“和集直径上界”的猜想。简单来说，它探讨的是：当两组整数相加时，结果集合的“跨度”最多能有多大？过去几十年，数学家们只能给出指数级的上界估计，而Gowers尝试用AI辅助，希望找到更紧致的多项式上界。

整个过程并非AI“一键解题”。Gowers没有直接问“答案是什么”，而是像指导一名研究生那样，一步步引导对话：提出思路、指出矛盾、要求简化、追问细节。AI多次给出错误或冗长的推导，但每一次都被Gowers纠正。经过十余轮迭代，模型最终提出了一条简洁而深刻的证明路径——用构造性方法控制和集的增长速率，避开传统工具的局限。

MIT大四学生 Isaac Rajagopal 独立复核了这份证明，他评价道：“这不是套用已有定理的拼接，而是一个真正原创的结构。逻辑严密，没有漏洞，我敢说它能通过任何数学期刊的审稿。”

AI不再是“查答案的工具”，它开始“想数学”

过去，人们担心AI只能复述教科书内容，或在已知框架内做机械推演。但这次，AI展现出一种前所未有的能力：它能察觉人类直觉忽略的对称性，能从零散线索中拼出隐藏的模式，甚至在没有完整理论支撑时，大胆提出新的构造方式。

Gowers特别提到，AI在一次尝试中，偶然发现了一个被文献完全忽略的“稀疏和集”结构，这个结构恰好能将指数增长降为多项式增长。“我读过Nathanson的原始论文十几次，但从没注意到这个角度。”他说。

这不像是“搜索+重组”，而更像一种“类直觉推理”。它不依赖海量数据训练出的统计模式，而是能模拟数学家在黑板前的试错过程——失败、调整、再试，直到找到那条唯一的通路。

成果该谁署名？学术体系该如何应对？

当AI能写出一篇足以发表的数学证明时，传统学术规则开始松动。

目前，没有任何主流数学期刊接受“AI为第一作者”的论文。但若不署名AI，等于隐瞒了关键贡献；若署名，则挑战了“数学是人类思维产物”的根本认知。

Gowers建议：建立一个“AI数学成果库”——一个类似arXiv的开放平台，专门收录AI辅助完成的证明，由人类专家进行独立验证和注释。每篇成果需标注“AI参与度”与“人类引导方式”，供学界评估其可信度与创新性。

这一提议已引起欧洲数学会和美国数学学会的关注。有学者提出，未来研究生培养可能要新增“人机协作数学”课程；基金申请中，AI辅助研究或将被单独分类；甚至，数学竞赛也可能增设“人机混合组”。

这不是替代，是延伸

Gowers强调：“AI没有取代我，它成了我最奇怪的合作者——它不会累，不怕犯错，也不在乎面子。它敢于说‘也许这条路行不通’，然后立刻换一条。”

这或许标志着数学研究进入新阶段：不再是孤军奋战，而是人与机器在思维层面的深度对话。AI不是“智能助手”，而是一个能提出意外视角的“思维伙伴”。

我们正站在一个转折点上——不是AI比人更聪明，而是人终于学会，如何与一种全新的智能合作，一起探索那些曾被认为只能靠天赋与直觉才能抵达的数学深处。