当 AI 开始证明黎曼猜想

一天前,2026年11月20日,数学界传来一个让人惊诧、也令人兴奋的消息。人工智能公司 Anthropic 的数学家 Levent Alpöge 宣布,他与公司的人工智能系统 Claude 合作,找到了著名的黎曼猜想的证明。

对于不太熟悉数学的人来说,黎曼猜想这个名字可能有些陌生。但在数学界,它的地位大致相当于物理学中的某些终极难题。自从德国数学家黎曼在1859年提出这个猜想以来,世界上许多最杰出的数学家都曾试图解决它,却始终没有成功。2000年,美国克雷数学研究所将它列为七个千禧年数学难题之一,并为成功解决者设立了100万美元奖金。

这次消息最令人惊讶的地方,不仅在于一个延续了167年的数学难题可能终于得到解决,还在于证明的方式。研究者没有像通常那样发表一篇几十页或者几百页的数学论文,而是公开了一份包含约1700万行代码的计算机证明。它使用一种名为 Lean 的数学语言编写,可以让计算机逐步检查其中的逻辑是否正确。消息公布后的短短一天内,已经有多个独立团队完成了重要的技术检查,并报告这套证明通过了严格的形式化验证。

不过,事情还没有完全结束。形式化检查提供了非常有力的证据,但数学家仍然需要理解这份证明的核心思想,弄清楚其中哪些方法是新的,以及它是否真正解决了人们长期关心的数学问题。截至11月21日,克雷数学研究所仍将黎曼猜想列为尚未解决的问题。这并不意味着新证明一定存在错误,而是说明如此重大的成果还需要经过充分的研究和审议。

那么,黎曼猜想究竟是什么?为什么数学家会为它苦苦思索一个多世纪?

要理解这个问题,我们不妨从小学数学中最熟悉的一类数字说起:素数。

我们知道,2、3、5、7、11、13、17、19都是素数。它们有一个共同特点,就是除了1和自身以外,不能被其他正整数整除。素数看起来只是普通整数中的一小部分,但它们在数学中具有非常特殊的地位。因为每一个大于1的整数,都可以分解成素数的乘积。例如,12可以写成2×2×3,30可以写成2×3×5,100可以写成2×2×5×5。从这个意义上说,素数就像构成整数世界的基本材料。

可是,这些基本材料究竟是怎样分布的呢?

如果我们从1开始依次写出整数,就会发现素数的出现并没有简单规律。有时两个素数相距很近,例如11和13;有时它们之间又隔着许多其他数字。随着整数越来越大,素数总体上变得越来越稀少,但它们究竟会在哪里出现,却很难预测。数学家可以列出大量素数,也可以利用计算机找到极其巨大的素数,却无法用一个简单公式直接告诉我们,下一个素数一定在哪里。

这就有点像在一条无限延伸的公路上观察路灯。我们知道路灯会一直出现,也发现随着道路向远方延伸,路灯之间的平均距离似乎越来越大。但这些路灯并不是按照完全固定的间隔排列的。我们可以统计前面一段道路上有多少盏灯,也可以估计更远处路灯的大致数量,却很难准确预测每一盏灯的位置。

素数分布的问题就是这样。数学家很早就发现,虽然素数的具体位置看起来不规则,但它们的总体数量却遵循一种相当稳定的统计规律。18世纪末,高斯等数学家已经注意到,这种规律与对数函数有关。后来,人们证明了著名的素数定理:当数字足够大时,不超过某个数的素数个数,可以通过一个相对简单的公式得到很好的近似。

但这里仍然存在一个问题。近似毕竟不是精确答案。我们可以知道某一范围内大约有多少个素数,却仍然不知道实际数量与预测数量之间可能相差多少。这个误差究竟有没有某种规律?它会不会随着数字增大而变得无法控制?或者说,素数表面上的不规则背后,是否还隐藏着一种更加精细的秩序?

1859年,年仅32岁的德国数学家伯恩哈德·黎曼,从一个令人意想不到的方向研究了这个问题。

黎曼没有继续直接研究素数之间的距离,而是把问题转向了一个数学函数。这个函数后来被称为黎曼 ζ 函数。它的表达式看起来并不特别复杂,但涉及无穷级数和复数,需要一些高等数学知识才能真正理解。我们不必在这里讨论这些技术细节,只需要知道,黎曼发现,这个函数的某些特殊性质,竟然能够告诉我们素数在整数世界中如何分布。

这里有一个特别有意思的地方。黎曼研究的函数表面上并不是一个直接列举素数的公式,它涉及所有正整数,却通过一种深刻的数学联系,把素数的分布信息包含在了其中。这有点像我们原本想研究一座城市的道路,却发现通过分析城市中某种看似无关的交通信号,反而能够揭示道路网络的整体结构。

黎曼特别关注这个函数的零点,也就是使函数值等于零的那些特殊数字。在通常的实数世界里,我们可以把数字想象成数轴上的点。但黎曼研究的是复数,它们可以表示为平面上的点,因此这些零点也可以在一个二维平面上标出来。

黎曼发现,其中一类重要零点似乎全部排列在同一条垂直线上。这条线在数学上对应着实部等于二分之一的位置。于是,他提出了一个大胆的猜想:所有非平凡零点,都恰好位于这条直线上。

这就是著名的黎曼猜想。

对于一般读者来说,这个结论可能有些抽象。为什么一个函数的零点必须排列在某条线上,会成为如此重要的数学问题?关键在于,这些零点的位置与素数分布的误差存在直接联系。如果黎曼猜想成立,就意味着素数虽然在局部看起来不规则,但它们的总体分布受到一种非常精细的限制。我们不仅能够估计某个范围内大约有多少个素数,还能够更加准确地判断这种估计可能偏离实际多少。

换句话说,黎曼猜想试图揭示的,并不是素数出现的某个简单规律,而是它们看似无序的分布背后,究竟存在多么严格的整体秩序。

这也正是数学最令人着迷的地方。有时,一个非常具体的问题,最后却需要通过完全不同的数学领域才能得到解释。研究素数,本来是整数问题;黎曼却把它与复数、无穷级数和函数的零点联系起来。一个原本看起来只与整数有关的问题,突然展现出远比人们想象中丰富的结构。

在此后的一个多世纪里,数学家不断研究黎曼猜想。人们发现,它不仅与素数分布有关,还与数论中的许多其他问题存在联系。大量数学定理都建立在一个共同的假设之上:如果黎曼猜想成立,那么某些重要结论也随之成立。因此,证明黎曼猜想的意义,远远超出解决一个孤立的数学问题。它可能使许多已经研究多年的结果获得更加坚实的基础,也可能为其他领域带来新的研究方法。

可是,为什么这么多人研究了这么久,仍然无法解决它呢?

其中一个原因,是数学中的“验证”和“证明”有着根本区别。我们可以使用计算机检查大量零点,发现它们全部位于黎曼所预测的直线上。事实上,数学家已经验证了数量极其庞大的零点,没有发现任何反例。但即使检查了一万亿个、十万亿个零点,也不能证明后面所有零点都符合这个规律。因为黎曼猜想讨论的是无限多个零点,而计算机无论多么强大,都只能完成有限数量的检查。

这也是数学与许多经验科学不同的地方。在物理学中,如果一个理论经过大量实验检验,人们可能逐渐对它建立很高的信心。但在数学中,只要一个命题声称对无限多个对象都成立,我们就必须找到一个能够覆盖所有情况的逻辑论证。哪怕已经验证了极其庞大的数量,只要没有这样的论证,猜想仍然只是猜想。

因此,黎曼猜想真正困难的地方,并不是计算机还不够快,也不是我们没有检查足够多的数字,而是数学家始终没有找到一条能够从已知数学原理出发,严格证明所有非平凡零点都位于那条直线上的道路。

正是在这样的背景下,2026年11月的消息显得格外不同。

根据 Alpöge 的公开说明,他与 Claude 进行了大约六周的密集合作,最终形成了一套形式化证明。更令人惊讶的是,他们声称解决的不仅是原来的黎曼猜想,还包括它的一个重要推广——关于狄利克雷 L 函数的广义黎曼猜想。简单来说,原来的猜想主要帮助我们理解所有素数的总体分布,而这个推广则涉及不同类型的素数分布,例如那些除以某个整数后具有特定余数的素数。它研究的范围更广,因而如果证明成立,数学意义也更加深远。

不过,这次成果最不同寻常的地方,是它的呈现方式。

传统上,一个数学家解决重大问题后,会写出一篇论文,把证明的主要思想、关键步骤和逻辑关系整理出来。其他数学家阅读论文,检查其中是否存在漏洞,讨论证明使用了什么方法,以及它是否带来了新的数学思想。这个过程有时只需要几个月,有时却可能持续数年。

这一次,研究者公开的主要成果却是一份包含约1700万行代码的形式化证明。它不是我们通常理解的计算机程序,也不是让机器通过不断尝试寻找答案的搜索程序,而是一套用严格数学语言表达的逻辑论证。它的特殊之处在于,计算机能够按照既定的逻辑规则,逐步检查每一个证明步骤是否成立。

我们不妨用一个日常例子来理解。

假设有人告诉我们,他已经完成了一幅由几百万块拼图组成的巨大图画。传统数学论文有点像作者向我们解释,这幅图画由哪些主要部分组成,每一部分为什么应该放在那里,以及它们怎样共同构成完整图案。读者需要理解作者的思路,并检查其中有没有遗漏。

形式化证明则更像是要求每一块拼图都具有精确的连接规则,并让一台机器逐一检查所有连接是否符合规定。只要检查过程可靠,我们就可以对整幅拼图的连接正确性建立很高的信心,即使没有任何一个人亲自检查过每一块拼图。

Lean 就是这样一种形式化证明系统。它允许数学家把定义、定理和证明写成计算机能够理解的形式,再由一个严格的逻辑检查程序进行验证。近年来,这种方法在数学研究中越来越重要,但过去主要用于验证已有证明,或者帮助研究者完成相对有限的形式化工作。这次黎曼猜想的证明规模之大、涉及的数学之深,使它成为形式化数学研究中极其引人注目的事件。

消息公布后,麻省理工学院的 Andrew Sutherland、滑铁卢大学的 Michael Rubinstein,以及 Lean 和 Mathlib 社区的研究者迅速展开检查。到11月21日,已有独立检查报告确认,公开的代码能够通过完整编译,证明所依赖的是标准逻辑公理,并且能够通过不同证明检查程序的检验。这些结果使证明的可信度大大提高,因为它们不仅检查了某个结论是否被写在文件里,还检查了系统是否真正按照数学逻辑得到了这个结论。

但是,这里出现了一个很有意思的问题:如果计算机已经检查了全部证明,而人类数学家还没有完全读懂它,我们能不能说这个问题已经解决了?

从数学逻辑的角度看,如果一份形式化证明确实建立在公认的数学基础上,最终证明的也确实是原来的命题,那么它就提供了极其有力的数学证据。数学证明的正确性并不取决于它是否容易阅读,也不取决于它是否足够简洁。一个证明可以很长、很复杂,甚至没有任何一个人能够独立掌握全部细节,但只要逻辑关系严格成立,它仍然可以是一个有效证明。

然而,对于数学家来说,证明一个结论正确,只是数学研究的一部分。另一部分同样重要的工作,是理解它为什么正确。

这两者之间的区别,可能正是这次事件最值得思考的地方。

我们不妨想象,一位学生问老师,为什么某个数学公式成立。老师可以给出一连串严格的计算步骤,最后得到正确答案。但如果学生仍然不明白这些步骤为什么有用,也不知道这个公式与其他知识有什么关系,那么他虽然看到了证明,却未必真正理解了其中的数学思想。

数学家也有类似的追求。他们不仅希望知道某个猜想是对还是错,还希望知道决定结果的关键是什么,为什么某种方法能够奏效,以及这个方法能不能解决其他问题。数学史上许多伟大的成果之所以产生深远影响,并不只是因为解决了一个难题,而是因为证明过程中出现了新的思想,使人们能够从不同角度理解原来的问题。

牛顿和莱布尼茨发展微积分,不只是为了计算某几个面积或者速度问题,而是创造了一种研究连续变化的新方法。伽罗瓦研究代数方程,也不只是为了找到某些方程的解,而是通过群的思想揭示了不同方程之间的深层结构。这些数学思想之所以重要,是因为它们不仅回答了已有的问题,还改变了人们提出问题和解决问题的方式。

对于黎曼猜想,我们当然希望得到严格证明,但数学家还会进一步追问:为什么那些零点一定排列在同一条直线上?证明中真正起决定作用的数学结构是什么?这种方法是否揭示了素数分布中某种此前没有被认识到的规律?如果我们理解了这些问题,也许就能够把新方法推广到更多数学领域。

而目前公开的1700万行形式化证明,还没有为这些问题提供一个简洁、完整、容易理解的答案。研究者已经开始尝试把它转化为传统数学论文,提炼其中的关键步骤。滑铁卢大学的 Rubinstein 也公开了一份正在完善中的解释性文稿,希望帮助数学家理解证明的主要思路。但这项工作显然不是几天之内就能完成的。(Michael Rubinstein,2026年11月21日)

于是,我们面对了一种过去很少出现的局面:机器可能已经帮助人类完成了一项极其重要的数学证明,而人类还需要花费相当长的时间,才能充分理解这份证明的数学意义。

这件事让我想到数学研究中一个长期存在、却很少被单独讨论的问题。我们常常把数学发现、数学证明和数学理解看作同一件事情。一个数学家发现了某个规律,随后找到证明,最后把证明写成论文,其他数学家通过阅读论文理解其中的思想。虽然这些活动在实际研究中并不总是按照这样的顺序进行,但它们通常紧密联系在一起。

人工智能的发展可能正在改变这种关系。未来,机器或许能够先找到复杂的数学证明,甚至能够严格验证它们,而人类则需要在此之后重新整理这些成果,寻找其中真正重要的思想。换句话说,数学知识的产生与数学知识的理解,可能越来越多地成为两个相对独立的过程。

这并不意味着人类数学家将失去作用。相反,当机器能够越来越快地生成证明时,数学家可能需要更加关注另一类问题:什么样的数学问题值得研究?一个证明为什么重要?它是否揭示了新的结构?我们能否把一个庞大而复杂的论证转化为几个简洁而深刻的思想?

这些问题并不比寻找证明容易,有时甚至更加困难。

数学史上,我们常常会看到这样的现象:一个问题最初通过十分复杂的方法得到解决,后来却出现了更加简洁、更加深刻的证明。后来的证明虽然没有改变原来的结论,却可能使整个数学领域获得新的理解。数学家追求简洁和优美,并不只是出于审美偏好,更因为一个好的证明往往能够揭示复杂现象背后的简单结构。

从这个意义上说,如果黎曼猜想的新证明最终成立,1700万行代码也许只是故事的开始。真正令人期待的,是数学家能否从中发现某种新的思想,把庞大的逻辑论证逐渐整理成可以理解、可以交流、也可以推广的数学理论。

这次事件还有一个颇为有趣的插曲。就在 Alpöge 公布成果的同一天,另一位数学家 Alessandro Maria Masullo 也公开了一份声称解决广义黎曼猜想的论文。据报道,他已经独立研究这个问题多年,并没有使用人工智能。不过,这份论文很快就被发现存在需要解决的问题,目前不能视为已经完成的证明。两件事情几乎同时发生,倒是提醒我们,数学发现并不是一场简单的人机竞赛。无论是人类独立研究,还是人与人工智能合作,最终都必须接受同样严格的数学检验。(Quanta Magazine,2026年11月20日;The Guardian,2026年11月21日)

当然,人工智能在这次证明中究竟发挥了多大作用,目前也还需要进一步了解。它是否主要承担了大量繁琐的证明构造工作?是否帮助数学家发现了新的研究方向?是否在关键步骤中提出了人类此前没有想到的数学方法?这些问题的答案,将直接影响我们如何评价这次成果。因为使用人工智能检查一个已有证明,与人工智能主动参与发现一个全新的证明,在数学创造力上的意义并不相同。

但即使暂时无法准确划分人与机器各自的贡献,我们仍然可以看到一个重要变化。过去,计算机在数学中的主要作用是帮助人们完成大量计算、搜索可能的答案,以及检查复杂的推导。现在,人工智能开始更加深入地参与数学研究本身。它不仅能够处理数学家交给它的具体任务,还可能参与寻找证明方法、建立不同理论之间的联系,并帮助构造完整的数学论证。

这种变化让我想起数学史上几次重要的工具革命。古代数学家发明符号,使复杂计算变得更加容易表达;解析几何把代数和几何联系起来,让人们能够用方程研究图形;微积分为研究变化提供了新的语言;电子计算机则使人类能够处理过去根本无法完成的计算。每一次新工具的出现,都不仅提高了研究效率,也在一定程度上改变了数学家能够提出和解决的问题。

人工智能可能正在带来又一次这样的变化。不同的是,过去的工具主要扩展人的计算、表达和观察能力,而今天的人工智能开始扩展人的推理和探索能力。这使它与传统数学工具之间出现了一种值得注意的区别。它不再只是按照人类事先设计好的步骤执行任务,而可能在研究过程中提出新的路径,甚至帮助人类发现原本没有想到的联系。

我们当然不应该因此认为,人工智能已经拥有与人类数学家完全相同的理解能力。机器能够生成正确证明,并不必然意味着它像人一样理解这些证明的意义;同样,人类能够理解某个数学理论,也不意味着我们一定能够独立完成其中的全部计算。人类与机器可能具有不同的能力优势,而未来数学研究的重要方向之一,也许正是探索如何把这些优势结合起来。

对于普通读者来说,这次黎曼猜想事件的意义,可能并不在于记住一个复杂函数的名字,也不在于弄清楚零点为什么位于某条直线上。更值得关注的是,我们正在看到一种新的知识创造方式逐渐出现。过去,数学一直被认为是人类理性最纯粹的活动之一,因为数学证明不依赖个人意见,也不依赖权威,而是依靠逻辑本身。现在,人工智能正在进入这一领域,并开始参与那些曾经只有极少数杰出数学家才能完成的工作。

这并不削弱数学的价值,也不必然降低人类数学家的重要性。相反,它可能使我们更加清楚地认识到,数学不仅是获得正确答案的过程,也是不断深化理解的过程。一个问题得到证明,意味着我们知道了某个结论成立;而理解这个证明,意味着我们开始明白为什么它成立,以及它如何改变我们对其他问题的认识。

167年前,黎曼提出了一个关于素数分布的猜想。他或许不会想到,这个看似抽象的问题会在此后的一个多世纪里吸引无数数学家,更不会想到,有一天人类会与一种人工智能系统合作,尝试完成如此庞大的数学证明。

今天,我们还需要等待数学界对这次成果作出更加充分的评价。但无论最终结论如何,这件事已经让一个重要的问题变得更加现实:当人工智能开始参与创造新的数学知识时,人类应该如何理解自己在知识创造中的角色?

也许未来的数学研究将不再总是由人类先发现规律、再寻找证明,而可能由人工智能先探索出某些复杂结果,再由人类逐渐理解其中的意义。机器能够帮助我们走得更远,但走得更远之后,我们仍然需要知道自己看到了什么。

如果黎曼猜想最终得到确认,那么数学史上一个延续167年的难题可能就此画上句号。然而,由这次证明引出的另一个问题,也许才刚刚开始:当机器能够帮助我们证明过去无法证明的事情时,我们对数学、对理解,乃至对人类智慧本身的认识,又将发生怎样的变化?


发表评论

您的邮箱地址不会被公开。 必填项已用 * 标注