新模型 2026-10-31

AI 推翻了悬了 27 年的数学假设:有教授说自己 50 篇论文可能白写了

一句话说清:OpenAI 说自家模型造出了一个能推翻「指数时间假设」的证明,10 月 26 日公开;这事如果被学界确认,计算机科学里一大片建立在那个假设上的研究要重做——目前还没被独立验证。

发生了什么

  • 先说人话:计算机科学里有个叫「指数时间假设」(英文缩写 ETH)的东西,1999 年由三位学者提出。它的意思是——有一类问题(典型的叫 3-SAT),没法用「比指数慢得更慢」的办法解开,问题一大,计算量就爆炸。
  • 这个假设不是定理,是「大家普遍相信、并拿它当前提用」的一条地基。二十多年里,几百篇论文靠它推导结论,覆盖图论、计算生物学、数据库、计算几何等领域。
  • 10 月 26 日,OpenAI 公布说,自家的内部模型给出了三个结果,横跨数学、计算机科学和物理。其中计算机科学那个,就是推翻 ETH:
  • 模型在 10 月 16 日产出了自然语言版本的证明,10 月 17 日产出了机器可检验的 Lean 版本,两个都已发到 GitHub 上。
  • 论文 67 页,署名的只有 OpenAI。核心是一个确定性算法:用多项式空间、大约 2 的「n 除以根号下 log n」次方的时间,精确统计任意公式的满足解个数。这个复杂度仍然超越多项式,但增长得比 ETH 排除掉的所有指数界都慢,所以构成反驳。顺带还反驳了「强指数时间假设」和两个相关变体。
  • 关键的一点:还没被独立验证。 OpenAI 把结果交给了当年提出这个假设的两位学者(Impagliazzo、Paturi)和 MIT 的 Ryan Williams 来牵头审。这三位发了公开信,明确说:参与不等于背书,他们没签保密协议、也没拿钱,模型产出的东西「最好当成原始研究数据,而不是已经完成的科学结论」。
  • Lean 化验能证明「在写进去的定义下推导没错」,但不能确认那些定义真的对应原本要研究的问题;而且 Lean 里验证过的界,比论文标题上宣称的略弱一点(仍然落在「次指数」范围内)。OpenAI 也说了:这不代表一般的难题都有快解法,「P 是否等于 NP」这个世纪难题依旧开放,也没有任何实际提速马上能用。
  • 学界的反应很撕裂。圣巴巴拉分校教授 Daniel Lokshtanov 估算,如果结论成立,他有大约 50 篇已发表论文会变得没有意义或要大改,他的形容是「像一颗巨型炸弹落在领域正中间,既很酷又很可怕」。哥本哈根信息技术大学的 Thore Husfeldt 说自己今年大半年的工作「现在看起来都不相干了」,但他同时也说这是「整个子领域被探照灯照亮」的时刻。
  • 另一个现实问题:OpenAI 之前一次性往 GitHub 上传了 722 篇手稿、覆盖 400 个数学问题,学界抱怨来不及读、里面还有错。OpenAI 表示会出资办一场专门的会议,并开了报名表征集愿意参与核验的研究者。CEO 奥特曼在播客里回应说「人类理应获得基础知识,我们不该把重大科学发现压着不发」,也承认这套发布方式「有些失控」。

对我有什么用

  • 这是一次很具体的「AI 边界」演示:AI 不只写文案、做表格,它开始参与最前沿的科研。你不需要懂那个假设,只要记住这个信号——AI 正在从「工具」往「合作者」挪。
  • 对做研究、写论文、带学生的人,这条有现实压力:你依赖的前提,可能被一台机器推翻。以后立题时,「这个结论建立在什么假设上」要写得更清楚。
  • 对普通人,最有用的是学会一种看法:「AI 说它证明了」和「这件事被确认了」是两件事。这正是这条新闻最值得学的地方——连 OpenAI 自己都把材料交给别人去验,还明说「不算认证」。
  • 想跟孩子聊 AI 的,这是个好素材:可以问他「如果一台机器算出你作业的答案,你怎么知道它是对的?」——这就是 Lean 化验证和独立复核要解决的问题。

我可以怎么做

  1. 别急着转发「AI 干掉了数学」。准确的说法是:提出了一份待验证的证明。转发时带上「尚未独立验证」这几个字,比什么都强。
  2. 想看原文:去 GitHub 搜 OpenAI 的数学仓库,能看到自然语言论文和 Lean 证明文件。看不懂没关系,看标题和摘要也能判断它讲了什么。
  3. 如果你在做相关方向的研究:先去读那三位的公开信和 Lean 里实际验证过的界,别拿新闻标题当依据。同时把「我的结论是否依赖 ETH」这条自查一遍。
  4. 给 AI 提要求时学一招:让它「给出可被机器检验的形式化证明」,而不是「给出一个看起来对的证明」。能不能被检验,是判断 AI 输出质量的硬标准。
  5. 关心 AI 会不会替代人:这条的答案比较微妙——AI 出了结果,核验、解释、判断哪条路值得走,还是人在做。新的稀缺能力是「会判断」,不是「会算」。

温馨提醒

  • 核心事实请记住这一条:尚未被学界独立验证。 三位牵头学者明确表示参与不等于认可,模型产出应视为「原始数据」。
  • 别把它和「P 是否等于 NP」混为一谈。OpenAI 自己说明:这个结果不意味着一般难题有了次指数算法,世纪难题仍然开放。
  • 别期待「明天电脑变快」。这是一个理论结果,没有可落地的提速。
  • 网上流传的「Anthropic 也做出了同样结果」这类说法,目前多为媒体转述,两家都没有给出可交叉核对的完整细节,引用时请注明出处与「未经证实」。
  • 顺带一提:这次事件也暴露了新问题——AI 产出的论文数量已经超过学界能审的速度。以后看到「AI 证明了 X」,先问三句:谁验的?用什么验的?验到了哪一步?
📤 一键转发小助手 帮你写好小红书文案、微信推荐语,还配一张中文海报,复制就能发