AI能写出数学证明，数学家会被取代吗？答案远比想象复杂

10月6日，美国OpenAI公开了一批由内部前沿模型产生的数学研究成果。其中，编号074的一组成果格外引人关注，涉及三维挂谷极大函数猜想，以及四维挂谷集合的豪斯多夫维数猜想。后一个结论说的是，在四维空间里，只要一个集合包含每个方向的一条单位线段，它的豪斯多夫维数就必须等于4。

如果这份证明最终经受住独立核验，它将是挂谷研究的又一次重大突破，也会成为观察AI科研能力的重要案例。

把一根针放在桌面上，固定中点，让它转一圈，针扫过的区域就是一个圆。针可以转动，也可以平移。只要始终留在规定区域内，怎样移动都可以。那么，能不能找到一个面积更小的区域，让它完成一整圈旋转？

1917年，挂谷宗一提出了这个问题。这里的针是理想化的单位线段，没有实际粗细。通过巧妙安排线段的重叠方式，人们可以让允许针连续旋转的区域面积任意小。给定一个很小的正数，还能构造出面积比它更小的区域。

所谓任意小，就是没有一个正的面积下限。原来那个看似牢靠的圆，离最省面积的安排还差得很远。

现代挂谷集合问题又往前走了一步，它要求集合里存在每个方向的一条单位线段，但不要求这些线段能通过针的连续运动连接起来。每个方向都能放下一根针，与一根针能在里面连续转一圈，要求并不相同。

神奇的是，包含所有方向线段的集合，甚至可以具有零面积。它并非空无一物，里面有无穷多个点，也有完整的线段，只是普通面积已经不足以描述它的大小。于是，数学家换了一种衡量方式。

线段是一维，平面区域是二维，立体空间是三维。当对象变成不断细分、处处留空的复杂集合，维数就不一定是整数。某些分形既不像普通线条，也不像完整平面，需要更精细的工具描述。

豪斯多夫维数就是其中一种，可以粗略想象，拿越来越小的圆或球去覆盖一个集合，观察覆盖它需要付出怎样的代价。随着尺度缩小，覆盖数量和大小之间的关系，会暴露这个集合的结构有多复杂。

面积为零，不等于维数为零。一个集合即使没有普通意义上的面积，也可能仍然具有二维结构的复杂程度。挂谷集合可以把不同方向的线段安排得高度重叠，省掉大量面积，但所有方向必须同时存在，又对这种压缩施加了限制。

挂谷维数猜想认为，在几维欧氏空间中，包含所有方向单位线段的集合，就必须具有几维的豪斯多夫维数。二维是2，三维是3，四维是4。2025年，王虹和约书亚·扎尔公布了三维挂谷集合猜想的证明，说明三维空间里的这类集合，必须具有完整的三维维数，我国数学家王虹也因此获得了2026年菲尔兹奖。

OpenAI这次公布的四维证明稿，它声称证明的是无论怎样安排那些线段，怎样利用重叠来压缩集合，豪斯多夫维数都不能降到4以下。

为什么这条消息，比AI做对一道高考数学题更值得关注？

因为高考题、竞赛题，通常已有明确答案。出题者知道怎样解，评卷者知道怎样判断。AI答对了，说明它能够完成相应难度的推理。

尚未解决的数学问题，则没有现成的标准答案。研究者可能尝试很多方法，最后发现都走不通。也可能花费很长时间，只把原来的结论推进一点。如果AI能够给出正确的新证明，它就参与了知识的创造，这会改变我们对AI能力的评价。

人们过去常把AI理解成一个特别会整理资料的工具，问它什么，它就从已经学过的知识中组织回答。但如果AI能够完成新的证明，意味着它把已有知识用于一个尚未解决的问题，并产生了新的结果。

OpenAI说这批成果平均每项使用的计算量，大致相当于内部模型进行3小时ChatGPT Pro思考。这个数字是整批成果的平均等效计算投入，不能直接说成四维挂谷问题只用了3小时。

如果AI持续展现可靠的研究能力，一部分科研工作确实可能发生变化。原来需要反复尝试的路线，有机会更快得到筛选。原来研究者难以同时处理的多个方向，也可能获得更多探索。

但一项数学研究，不是写出证明就行。研究什么问题，为什么这个问题重要，与哪些已有成果有关，结论成立后还能追问什么，研究过程中又会发明怎样新的数学工具，都需要人的判断。

科研也是如此，如果一份证明没人理解它的核心思想，其他研究者就很难把它用于新的问题。能够检查、解释并发展这些思想，本身就是重要的研究工作。

人类数学家的贡献也不会因为后续出现AI成果就消失，已经建立的概念、方法和结论，构成了后续研究的基础。三维挂谷的突破有自己的价值，四维出现新进展，也不会把三维研究变成白做。

这次事件一个重要的意义是AI的能力边界正在接受新的检验。如果它能够可靠地处理某些尚未解决的问题，未来的科研流程就可能改变。研究者可以把更多时间用于重要问题的选择、结果的理解，以及新方向的探索。