菲尔兹奖得主刚写完”这道题迟早倒在AI推土机下”，几乎同时，有人发现答案已经躺在GitHub上了
AI飞行客 菲尔兹奖得主刚写完”这道题迟早倒在AI推土机下”，几乎同时，有人发现答案已经躺在GitHub上了
这件事最魔幻的地方，不是 AI 证明了什么，而是它是怎么被发现的。
2026 年 8 月 30 日，2022 年菲尔兹奖得主、概率论大师 Hugo Duminil-Copin 略带忧伤地写下一句话：在我们这个领域，最著名的那个猜想倒在推土机（AI）的轰鸣之下，恐怕只是个时间问题了。
他说的，是渗流理论中的连续相变猜想——数学界半个多世纪的概率论”圣杯”。为了这道题，这位菲尔兹奖得主倾注数年心血，屡败屡战。
而几乎就在他文章发出的同时，同行们在 GitHub 上发现了一个 Anthropic 工程师刚提交的代码仓库。
没有新闻发布会。没有全网宣传。连一篇官方博客都没发。
那里面躺着的，是一份由 Claude 自动生成、并经过形式化证明语言 Lean 严格验证的完整代码——那道菲尔兹奖得主数年未能攻克的渗流猜想，已经被 AI 证明了。
人类预言它会倒下，AI 的答案，早就在预言发出的那一刻，安静地躺在 GitHub 上了。
先把这道题讲明白
很多人一看到”概率论圣杯”就被劝退。其实这道题的起点非常接地气——它问的是：液体是怎么穿过一块多孔海绵的？
想象你冲泡咖啡，或者石油在地壳缝隙里渗透。把空间当成一张巨大的网格，每个交叉点之间连着一根细小管道。每根管道有一定概率 p 是畅通的，1-p 是堵塞的。
– p 很小（比如 0.1），管道大部分堵死，水滴渗进去没多远就停下，永远穿不透整块海绵； – p 很大（比如 0.9），管道四通八达，水流势如破竹，在无限延伸的网格里形成贯通的汪洋。
从”局部水滴”跃迁到”无限连通网络”的那个临界点，就是临界概率。这是一种相变——就像水在 0 摄氏度结冰。
这道题 1957 年由 Simon Broadbent 和 John Hammersley 提出，到 2026 年被 AI 攻克，整整 70 年。
德国布伦瑞克工业大学的数学家 Benedikt Jahnel 说了一句大实话：”如果有人类证明了这个猜想，他大概率能拿菲尔兹奖。但现在，是 AI 跨过了终点线。”
我的判断：这一次，真正被改写的是”科学发现的样子”
先声明，我不打算跟着一起喊”AI 支配数学了”。因为比起结论，这次的”发现方式”才是最值得写进历史的一笔。
过去，科学界一个重大突破的剧本是固定的：论文预印本、期刊同行评审、学术会议、新闻发布会、香槟。人类用这套流程确认三件事：谁做的、靠不靠谱、值不值得信。
而这一次，突破的载体是一条 GitHub 上的代码提交。它绕过了大部分流程，却自带一个更硬核的东西——Lean 的形式化验证。 机器逐行检查过，逻辑链有没有断，一目了然。
这就引出一个非常尖锐的问题：当证明本身可以被机器验证时，”谁做的”还重要吗？
答案可能是：不重要了，但你得换一套信任机制。 以前我们信人（同行评审信的是作者的声誉和方法论），现在我们开始信验证器。这是科学信任根基的一次迁移，比任何单点突破都更深远。
但别急着开香槟，Lean 通过不等于”理解”
我必须在这泼一盆冷水。
“证明被 Lean 验证通过”和”人类理解了为什么这是对的”，是两个完全不同的事。
Lean 能验证的是：从公理到结论的逻辑链没有断。它验证不了”这个证明的直觉是什么””为什么这条路能走通””下次遇到类似问题该怎么办”。
这恰恰是前一篇聊 xAI 联创那篇文章时的核心分歧——数学家真正在乎的，往往不是定理本身，而是攀登过程中长出来的新工具、新直觉。
这一点 Duminil-Copin 自己说得比谁都明白。他承认数年攻坚失败了，但紧接着补了一句：”那些失败的尝试催生了几十个全新的想法，我把它们用在其他领域，带来了许多我从未想象过的重大发现。”
这是一句极重要的话。 它提醒我们：人类的”失败”不是纯粹的浪费，它产出的是可迁移的直觉。而 AI 的”成功”能不能同样长出这些副产品，目前还是个开放问题。
所以我的态度很明确：认可这次突破的分量，但拒绝把它简化成”AI 又赢了”。 一场干净的胜利，和一场催生了无数新想法的探索，价值维度根本不同。
真正该关注的变化：数学家的任务清单被重写了
抛开情绪，这次事件对一个具体人群——数学工作者——的影响是最直接的。文章给了一个相当清醒的预判：
未来的数学家，或许不再需要把主要精力消耗在长达几十年的繁复代数推导上。 取而代之的是三件事：
1. 挑选最具价值的探索航线（对应之前说的”哪片大陆值得测绘”）； 2. 指挥成千上万个推理智能体向未知发起冲锋（组织算力）； 3. 向人类世界阐释那些被机器带回来的智慧碎片（翻译与传播）。
请注意这三件事的共同特征：它们都是”判断”和”表达”，而不是”计算”。
这和我在前面几篇里反复说的结论是一致的——AI 时代最保值的技能，从来不是把某件事做得比机器快，而是知道该做什么、怎么组织、以及做完之后怎么让别人听懂。
一个值得记住的注脚
从 1957 年那块吸水的海绵，到 2026 年 GitHub 上的一段 Lean 代码，人类用了 70 年。
这 70 年里，最能说明问题的不是 AI 有多快，而是一个更微妙的画面：一位菲尔兹奖得主在公开文章里，用”忧伤”这个词，预言自己领域最难的问题即将被机器解决——而就在同一时刻，解决它的代码，已经悄无声息地躺在开源仓库里，等着被人发现。
人类还在用伤痛的语言描述这件事，机器已经用 commit 记录完了一切。
爱因斯坦说过，人类所能经历的最美妙、最深刻的情感，是对神秘的感知。它是所有真正艺术与科学的源泉。
问题是：当神秘被一行行验证过的代码拆解，我们失去的是”未知”，还是”感知未知时的那种震颤”？
这个问题，机器不会替我们回答。