陶哲轩吐槽GPT-6孪生素数新突破：令人无语的一幕

一向积极拥抱AI的菲尔兹奖得主陶哲轩，这次罕见地发出了一则AI告警。据量子位9月5日报道，他就GPT-6在孪生素数猜想方向上的新进展公开发文吐槽，称“这可真是令人无语的一幕”，并警告AI抢答数学难题，反而可能阻碍数学领域的真正发展。

事件的直接导火索，是GPT-6 Astra发布前后在数论上传出的新成绩：OpenAI宣布新模型用Lean形式化证明，把孪生素数猜想中连续素数间距的上界从246推到了186。同期，Anthropic和Axiom也宣布，它们的AI分别把这一间隔缩小到了188和212。

孪生素数猜想是数论中最著名的未解之谜之一。张益唐当年正是证明了存在无穷多对间距不超过7000万的连续素数而一战成名；2022年菲尔兹奖得主James Maynard把该上界缩小到600，随后又有团队基于他的方法将间隔进一步降到246，并推测还能更小。就在AI密集报捷之前，牛津大学数学家Julia Stadlmann于8月31日凭借对平滑模数的新估计把上界缩到了240，陶哲轩庆幸她的分析赶在问题被“污染”之前完成并公开。

陶哲轩真正警惕的不是“AI能不能做数学”，而是AI解题太快、过程又太黑盒，这种能力反而可能掩盖数学研究过程中那些宝贵的“失败”。在他看来，如果负责迭代的人或系统提前知道最终正确的拟设是什么，就很容易抑制对其他路线的探索；而那些看似死胡同的路线，其失败原因本身往往极具启发性。

他以纳维-斯托克斯方程全局正则性问题为例展开：历史上，人们为攻克这一问题不断创造出Leray–Hopf弱解、Gagliardo–Nirenberg–Ladyzhenskaya不等式、Beale–Kato–Majda爆破判据等一批流体力学、分析学与偏微分方程领域最基础的思想和定理。真正关键的是人们推进研究的过程，而AI的介入很可能扼杀掉这种发散性的领域发展。

他描绘了更糟糕的一种假设：一个自主运行的AI Harness在巨量计算资源支持下，把试错、调整、再尝试直至找到正确拟设的整个过程全部在内部完成，而运行它的公司把通往最终拟设的路径几乎完全隔绝在公众视野之外。那么从技术意义上讲，著名开放问题确实被解决了，但数学本身几乎没有因此获得任何新增价值。陶哲轩郑重警告：严重的时候，AI对整个数学发展的影响甚至可能从正面变成净负面。

这次事件值得关注有两个层面。它集中展示了前沿模型在形式化数学上的可信度——Lean可验证证明把公开上界进一步压低，同时它把过程透明性问题摆到了AI辅助科学发现的核心位置：当答案以黑盒速度被快速产出时，数学共同体可能只拿到结论，却失去催生新思想的探索过程。

接下来值得留意的是：OpenAI、Anthropic与Axiom是否会公开完整的推理与证明过程，数学界能否理解并复现把上界压到186的方法；以及当AI把求解变成“抢答”时，陶哲轩担心的“污染”会不会出现在纳维-斯托克斯等更难的问题上。