AI 不只做题了，开始出题了：它推翻了一篇论文的猜想，原作者回信确认”反例成立”
AI飞行客 AI 不只做题了，开始出题了：它推翻了一篇论文的猜想，原作者回信确认”反例成立”
2026 年，数学家们集体失眠。
5 月 20 日，OpenAI 宣布内部一个通用推理模型自主推翻了保罗·埃尔德什提出的”单位距离猜想”——困了数学家 80 年的问题。菲尔兹奖得主蒂莫西·高尔斯评价：”此前没有任何 AI 生成的证明能接近这个水准。”
7 月 20 日，Anthropic 员工 Levent Alpöge 在世界杯中场休息时，顺手用 Fable 5 找出了雅可比猜想的三维反例——一个 87 年的悬案，被斯梅尔列入”18 个 21 世纪世纪数学难题”。
这两次都是”AI 攻破难题”的叙事。但真正让我坐不住的，是第三个案例。
一次”我不信”的翻车
马来西亚思特雅大学的研究者曾仔健，做了一个叫 AI Has Taste 的项目。
他一开始并不相信大模型能推进数学研究。某次他把一篇论文里的猜想直接丢给 AI——本来只是想看看模型能走多远，没指望它证明什么。
结果 AI 没顺着论文去”证明”，而是构造出了一个反例，直接把这个猜想推翻了。
曾仔健的第一反应不是兴奋，是不信。他把反例和推导整理好，写信给原论文作者核实。对方回信确认：这个反例成立。
这封邮件改变了整个项目的尺度。
> “最开始我还不相信 AI 在数学上的力量。直到输入一篇论文的猜想，AI 直接给出反例推翻；我立刻写信问原作者，对方回复确认是对的。那之后，我才真正放开手脚干。”
值得注意的不是”写了多少篇”，是”谁来提问”
AI Has Taste 的公开仓库现在记录了 453 份数学研究手稿、2312 页内容，其中 6 篇被明确归类为「AI-Proposed Conjectures」——AI 自己提出的猜想。
仓库首页写着一句话：From Answer Generation to Research-Agenda Generation（从生成答案，走向生成研究议程）。
这句话才是整件事的核心。
过去所有关于”AI 做数学”的讨论，都停留在”给定一道题，AI 能不能解出来”。这是解题能力——AI 再强，也是在一个已有答案的空间里搜索。
但”出题”是另一回事。出题不是求解的子集，而是比求解更高一层的认知活动。 判断哪个方向值得投入、哪个猜想可能为真、哪个问题背后藏着更深的对称性——这些长期被认为是人类数学家的”品味”（taste），是数学界最稀缺、最难教的东西。
有意思的是，这个项目叫 AI Has Taste。名字本身就是一句宣言。
一次失败，比四百次成功更能说明问题
项目里最能体现”研究品味”的案例，偏偏不是成功，而是一次失败。
按项目方的说法：AI 在某个问题上连续尝试了很久，一次次卡在同一个地方。然后它没有继续硬磕，而是换了一个更好的问题。
这个动作极其关键。它意味着系统在做的不是”穷举式搜索”，而是判断”这条路走不通，我要换条路走”。这恰恰是研究中最难的一部分——大多数研究者失败不是因为不够聪明，而是因为不知道什么时候该放弃。
2026 年，数学界的”AI 攻城”
把时间线拉长看，这一年发生的事密度高得吓人。
据果壳统计，2025 年末 DeepMind 部署了智能体 Aletheia，在埃尔德什问题库里挑了 700 道题尝试，正确解决了 13 个。但其中 4 道冷门——有些可能从来没专家认真碰过。研究者自己都承认，这批成果的分量和后来这几次”攻城”没法比。
到了 2026 年 5 月之后的这波，”问题份量”完全变了：单位距离猜想（80 年）、雅可比猜想（87 年）、庞加莱猜想完整形式化（470 万行 Lean 代码）、纳维-斯托克斯方程组求解。
AI 从”啃冷门题目”变成了”直接怼知名悬案”。
但别急着说”AI 会自己搞科研了”
这里我说的每一句话，都是为了后面这段做铺垫。
第一，反例不等于证明。 AI 找出反例、推翻猜想，本质上是”证伪”——这比”证明”要容易得多。你只需要构造一个反例，不需要理解这个猜想为什么曾经看起来是对的。曾仔健那个案例里，真正的价值是”找到了”，但人类作者才能判断”这个反例为什么重要”。
第二，自然语言推理的天然弱点还在。 OpenAI 那次推翻单位距离猜想，用一个通用推理模型生成了一条极长的自然语言思维链，每个子 Agent 做一部分短论证、环环相扣。但自然语言推理有个致命问题：模型可能在推理链的某一步犯小错，最终酿成大错。 所以 OpenAI 请了 9 位顶级数学家人工审查。这些数学家不仅验证了正确性，还大幅改进了原始证明，让它更简洁、更通用。
埃尔德什问题库维护者托马斯·布鲁姆的评价很精准：”人类在讨论、消化、改进这个证明以及探索其后果方面，仍然扮演着关键角色。”
第三，也是最反直觉的：人类偏好正在被写进 AI 的研发目标里。 在 Anass Zarrouk 参与的案例中（陶哲轩确认了 AI 协助找到的 87 年猜想的反例），研究者明确提到，在强化学习微调阶段，团队不仅要奖励”找到证明”和”证明正确”，还要奖励”人类友好”——证明不能太长，不能让数学家花半年才能复核完。
Anthropic 的 Fable 5 找出的那个雅可比猜想反例，简洁到只有寥寥几行式子。
这意味着什么？意味着 AI 的研究，正在被要求”迎合人类的审美和耐心”。 这既是一种进步（工具要服务人），也是一种隐患（如果哪天 AI 的正确路径超出了人类可复核的范围呢？）。
真正的问题：AI 会不会选题
写到这里，我想把这篇和前一篇连起来看。
上一轮我写庞加莱猜想的形式化——那是”AI 帮人类把隐性共识写成可验证代码”，是人类主导、AI 执行的协作。
这一轮 AI Has Taste 给出的是另一种样本：AI 主动质疑人类论文的猜想，找反例，并且被原作者确认。
从”验证人类写对的”到”发现人类写错的”，中间隔着的不是算力，是研究品味。
项目方那句话说得最狠：AI 会做题之后，下一关，可能真的是：AI 会不会选题。
如果 AI 学会了选题——知道哪些问题值得问、哪些方向可能为真、什么时候该放弃——那么它就真正进入了”研究循环”的核心，而不只是一个高级计算器。
到那时，人类数学家的角色会变成什么？
托马斯·布鲁姆给出了目前最诚实的答案：讨论、消化、改进、探索后果。 也就是——判断什么重要，以及接下来往哪走。
AI 负责把研究速度推到极限；人类负责在关键节点，把”看起来成立”重新拉回”值得相信”。
这个分工能维持多久，我不知道。但 2026 年已经证明了一件事：这道防线的收缩速度，比所有人预想的都要快。