頂級AI撞上低級烏龍：連寫幾十頁推導，結果發現題干錯了？

新智元報道

編輯：傾傾

【新智元導讀】Google DeepMind再次血洗數學圈！700個地獄級難題被丟進Gemini的熔爐，結果讓數學家集體破防：這哪是證明，這分明是「邏輯拆遷」。DeepMind這一波不僅貼臉爆殺了OpenAI，還砸爛了人類所有的優越感。

幾百美金的懸賞，跨越半個世紀的死局。

20世紀最偉大的「題目魔術師」保羅·埃爾德什（PaulErd?s）生前留下了幾百個懸賞令，金額從50刀漲到5000刀。

50年里，無數數學天才熬禿了頭，也沒能拿走一分錢。

結果，Google DeepMind帶著名為Aletheia（真理女神）的怪獸進場了。

上線僅7天，13道難題應聲而碎。

論文鏈接：https://arxiv.org/abs/2601.22401

但最扎心的真相是：AI并不是比你更聰明，它只是比你更懂「洗稿」。

13/700的真相：AI真的在加速科學嗎？

「AI攻克百年數學難題」看起來很像爽文標題，聽聽就行，別被帶了節奏。

數學這行只看硬指標。DeepMind這次祭出的Aletheia，底色根本不是什么「天才數學家」，而是一個冷酷的「頂級邏輯洗煤廠」

這套邏輯極其殘酷，帶著一股子硅谷大廠KPI導向的血腥味：

初始的流量層里，裝著700個埃爾德什猜想。

隨后，Gemini開啟Deep Think模式，像不要錢一樣大規模灌入算力，得出200個候選方案。

然后，這200個候選人經過自然語言驗證器，剔除邏輯不通的部分，最后只剩下63個。

最后，經過專家級別的數學推演，得到13個真正具有數學原創意義的答案。

成功證明問題：Erd?s problem#1051

700個問題里只解答出13個，轉化率還不到2%。

其中，最具代表性的是對「Erd?s-1051」猜想中關于無理數分布的證明。

聽著很牛X，但DeepMind自己也承認，剩下的68.5%都是學術垃圾。

有些AI給出的證明過程長達幾百頁，讀起來像是東拼西湊的論文。

在整個過程中，Aletheia像一個「自動審稿員」。Gemini負責狂暴輸出，而驗證器負責冷酷拒絕。

Gemini DeepThink處理數學猜想具體過程：https://www.youtube.com/watch?v=Nmv4YxpbhU8

更諷刺的是，人類數學家復核后發現，這13個所謂的「突破」，很大一部分屬于數學界的「低垂果實」——太繁瑣所以沒人想做。

一位參與評審的組合數學專家曾私下感嘆：

AI目前的強項不是創造，而是清掃。

只要算力管夠，這種靠暴力邏輯搜集、整理、強行出結果的路徑，AI基本無敵。

潛意識剽竊：AI數學家的「洗稿」藝術

在這次DeepMind的成果展示中，出現了一個讓學術界集體炸鍋的新名詞：潛意識剽竊。

簡單說，就是AI利用自己幾乎無限的硬盤，從某個犄角旮旯翻出一篇冷門論文，然后用現代的邏輯語言把它重新包裝了一遍。

最典型的翻車現場是關于Erd?s-1089猜想的證明。

當時Aletheia給出了一個極其精妙的推導，精妙到連幾個頂尖數學家都差點想給它頒獎。

但隨后，有人在數據庫的深層挖掘中發現，這個所謂的「原創靈感」，與1981年一篇東歐冷門數學期刊上的論文高度重合。

這就是AI作為一個「黑盒」最讓人絕望的本能。

對AI來說，它并沒有原創和抄襲的概念。它只是在概率的指引下，把權重最高的Token組合在一起。

AI記住了所有你忘了的東西。當它從千億級參數中提取出那個冷門關聯時，它自己都不知道是在致敬還是在白嫖。

GoogleDeepMind-Aletheia項目詳情，在此頁面可以找到更多具體輸出案例：https://github.com/google-deepmind/superhuman

只要喂的數據夠多，AI就能通過變換符號系統、調整推導步長，把一篇舊論文洗得像剛出爐的SCI。

菲爾茲獎得主陶哲軒一語道破：

AI并不是在做數學，它是在對人類過往的智慧進行大規模的歸納整合。

細思極恐。如果連數學這種硬核真理領域，AI都能靠「洗稿」蒙混過關，那我們寫的行業報告、架構方案、市場分析，在它眼里算什么？

大師也翻車：被詛咒的Erd?s-75號

接下來這個「Erd?s-75號靈異事件」，暴露出AI的智商硬傷。

這道題在數學圈臭名昭著，因為它被「詛咒」了。

1995年，埃爾德什在寫下這個猜想時，犯了一個低級邏輯錯誤，這道題題干就是錯的，是個偽命題。

魔幻的一幕發生了：Aletheia接手后，不僅沒發現題目有問題，反而憑借其狂暴的算力和自我博弈機制，硬生生地輸出了一份長達幾十頁、邏輯閉環的「完美證明」。

這種「邏輯狂奔」暴露了當前AI的致命缺陷：

首先，AI缺乏審美與常識。它只會在符號框架內找最優解，卻根本分不清這個框架本身是不是一張廢紙。

其次，獎勵函數具有盲目性。AI的目標是讓驗證器閉嘴。只要推導過程符合規則，結論哪怕再荒謬，它也敢一路狂飆到底。

最后發現Bug的，還得是那幫數學家。他們翻出1995年的手稿，一行行對完后得出結論：「這題出錯了，AI證的是個寂寞。」

而這一點，恰恰是我們和AI競爭時的最后防線。AI能在幾毫秒內跑完幾千公里的邏輯馬拉松，但它不知道終點線是不是畫在懸崖外面。

DeepMind貼臉開大：OpenAI的「數學公關戰」破產題

前陣子，OpenAI靠著o1在數學AIME考試里刷屏，宣稱AI已經有了類似人類的「慢思考」能力。

但在DeepMind看來，那頂多算是一場極其成功的文獻開盒。

為了打臉OpenAI，Google專門在Aletheia的輸出分類里設立了一個很損的標簽：「已知文獻關聯」。

它明擺著在諷刺OpenAI：你以為你解決了問題，其實你只是從訓練集里翻出了標準答案。

而DeepMind表示，我不僅能證出來，我還能告訴你哪些是人類證過的、哪些是我洗稿洗出來的、哪些才是真正的原創。

這場「數學公關戰」撕開了大廠競爭的遮羞布。

OpenAI的數學能力很大程度上依賴于「題海戰術」，一旦遇到訓練集之外的真命題就容易抓瞎。

而DeepMind走的是「AlphaGo路線」——自我博弈+形式化驗證（Lean），寧可轉化率只有2%，也要確保這13個成果是硬通貨。

DeepMind官方技術文檔：Aletheia用于數學的自我對弈與形式化證明

數學界的「掃地僧」陶哲軒一直關注著這場博弈。

他在自己的他在博客里含蓄地表示：相比于追求「看起來正確」的概率模型，他更看好那種能生成「可由計算機驗證證明」的系統。

這等于是給DeepMind站了臺。

瓶頸位移：從「解題機器」到「審美法官」

折騰了半天，這場13/700的戰役到底告訴了我們什么？

是——數學發現的瓶頸，正在從「解題能力」位移到「價值判定」。

這種范式轉移，預示了未來所有硬核從業者的兩種求生路徑：

一種是從「操作員」變成「審美法官」。

既然AI能以極低成本生成海量邏輯證明，人類的價值就不再是去復核每一個符號，而是運用直覺和審美，去判斷哪個方向才有真正的科學突破。

另一種形態是邏輯審計員。

面對潛意識剽竊和大師Bug，人類需要利用對歷史的精通，去甄別AI到底是真天才，還是個洗稿高手。

AI能在幾毫秒內重走完人類幾千年的邏輯之路，但它依然讀不懂人類在深夜推演失敗時，那份撕掉草稿紙的無奈。

邏輯可以代工，但靈魂和審美，AI暫時還沒學會怎么洗。

參考資料：

https://x.com/quocleix/status/2018402933193539735?s=20

https://arxiv.org/abs/2601.22401