返回文章列表
文章详情AI 入门

AI 推翻悬置 87 年的雅可比猜想:3 个变量、7 次多项式,陶哲轩亲自撰文解读

1939 年正式提出的雅可比猜想上周被推翻——反例由 Anthropic 的 Claude Fable 模型找到,只有 3 个变量、7 次多项式(社区此前预期要 200 次上下)。验证人人能懂:行列式恒为 -2、三个不同点撞到同一输出。陶哲轩撰文拆解并坦承自己也用 AI 核对计算。二维情形仍未决,但这是 AI 产生真正新数学知识的标志性一刻。

更新于 2026-07-225 分钟4

一分钟速览

  • 一个悬置了 87 年的著名数学难题「雅可比猜想」,上周被推翻了——找到反例的不是人,是 Anthropic 的 AI 模型 Claude Fable。
  • 反例出乎意料地「小」:只有 3 个变量、7 次多项式。此前社区流传的预期是,反例若存在、次数可能要高到 200 上下。
  • 验证方式硬核但人人能懂:这个多项式映射的雅可比行列式恒等于 -2(满足猜想前提),但有三个不同的点被映到了同一个点——所以它不可逆,猜想被证伪。
  • 菲尔兹奖得主陶哲轩随后专门写博文,把这个反例「翻译」成更多人能跟上的语言;他自己也坦承用了 AI 聊天机器人来核对文中的多项计算。
  • 冷静一句:被推翻的是三维及以上的情形,最经典的二维情形仍然悬而未决;AI 的角色是「找到」反例,钉死结论靠的仍是人和机器的反复验证。

⚑ 本文基于陶哲轩(Terence Tao)2026 年 7 月 21 日博文整理(本站已直接核阅),反例由 AI 发现的表述以其博文及其援引的 New Scientist 报道为准;发现者与公布日期经维基百科「Jacobian conjecture」词条核对;「预期次数约 200」为公开社区讨论流传的说法,非严格结论。

1

一个悬了 87 年的猜想,被 AI 找到了反例

数学界上周出了一件大事:著名的「雅可比猜想」(Jacobian Conjecture)被推翻了。这个问题最早可以追溯到 1884 年(两变量情形),1939 年由数学家 Keller 正式提出一般形式,此后 87 年无人能证明、也无人能推翻,还以「盛产错误证明」著称。

推翻它的方式,是拿出一个具体的反例——而找到这个反例的,是 AI。据维基百科词条记载,2026 年 7 月 19 日,Anthropic 的数学家 Levent Alpöge 公布了这个三维空间中的显式反例;陶哲轩在博文中写明,它是「用 Fable AI」找到的(即 Anthropic 的 Claude Fable 模型,也就是本站此前多篇文章里反复出现的那个旗舰模型)。7 月 21 日,菲尔兹奖得主陶哲轩发表长文,把这个反例拆解成更多人能读懂的版本。

为什么值得看:为什么值得看:AI 参与数学研究不是新闻,但此前大多停留在「辅助验证」「整理文献」。这次不同——AI 直接构造出了推翻一个近百年猜想的反例,而且反例出乎所有人意料地简洁。无论你关不关心数学,这都是「AI 能不能产生真正新知识」这个问题的一次标志性回答:至少在「大海捞针式的构造与搜索」上,它已经能干成人类干了 87 年没干成的事。
87 年从 1939 年正式提出到被推翻
3 个反例所在空间的变量个数
7 次反例多项式的次数(此前社区预期可能高达 200 上下)
-2该反例雅可比行列式的恒等值
陶哲轩 7 月 21 日的博文:开头即给出猜想的正式陈述,并写明反例「使用 Fable AI」找到(It was recently shown (using the Fable AI) that the conjecture is false in three dimensions)。来源:Terry Tao 博客截图
2

它到底在问什么

雅可比猜想说的事,用一句话概括是:**「处处局部可逆」能不能保证「整体可逆」**。

具体一点:考虑一个从 n 维空间到 n 维空间的多项式映射(就是每个输出坐标都由输入坐标的多项式给出)。它的「雅可比行列式」可以粗糙地理解为衡量这个映射在每一点附近是否「不压扁、不折叠」的一个量——只要它是个非零常数,映射在每个点附近都表现得规规矩矩、可以局部还原。猜想断言:这种情况下,整个映射一定有一个多项式的逆映射,能把它整体还原回去。

一维的情形很容易证明是对的;二维悬而未决;而这次的反例说明——**从三维开始,这个断言是错的**。「每一处局部都规矩」并不能保证「整体不出事」,存在一个处处局部可逆、但整体上把不同的点砸到同一处的多项式映射。

3

反例是怎么被「钉死」的

一个号称推翻百年猜想的反例,怎么确认它是真的?陶哲轩博文里给出的验证思路,恰好是普通人也能听懂的两步。

两步验证,人人能懂

第一步,算出这个多项式映射的雅可比行列式,结果恒等于 -2——一个非零常数,说明它完全满足猜想的前提条件。第二步,找到三个互不相同的点,它们被这个映射送到了同一个目标点(-1/4, 0, 0)——不同的输入撞出了相同的输出,这个映射当然不可能有逆。前提满足、结论不成立,猜想被证伪。两步都是可以机械复核的计算,不依赖任何「相信我」的环节。

为什么人类找了 87 年没找到

陶哲轩顺手算了一笔账,解释这根「针」有多难捞:一个三变量七次的多项式映射,可调的系数最多约 120 个;但它的雅可比行列式是一个次数高得多的多项式,最多有 1299 个系数——要让这 1299 个系数除常数项外恰好全部相消,等于用 120 个旋钮去同时归零上千个读数。这种搜索空间巨大、约束极其苛刻的构造题,恰好是 AI 大规模搜索比人类直觉更占优的地方。

还有一个耐人寻味的细节:陶哲轩在博文末尾坦承,他自己也「使用了 AI 聊天机器人讨论这个问题的各个方面」,并用它「核对了文中的多项计算」。连给大家做人话翻译的菲尔兹奖得主,工作流里也已经有 AI 了。

4

这件事说明什么,不说明什么

热闹归热闹,边界照例要摆清楚。

三个限定

第一,被推翻的是三维及以上的情形;最经典、悬置最久的二维情形仍然是开放问题,雅可比猜想的故事没有完全结束。第二,AI 的角色是「找到」反例——这是一次搜索与构造上的胜利;把结论钉死靠的是后续人与机器的独立复核(好在反例的验证是纯机械计算,这也是它能被迅速接受的原因)。第三,「AI 推翻猜想」不等于「AI 会证明大定理」——构造一个具体反例和写出一篇严密的长证明,是难度性质完全不同的两件事,后者 AI 目前仍然只能当助手。

但即便加上这三个限定,这仍是 AI 参与数学研究至今最漂亮的一次亮相:问题足够老、结论足够意外、验证足够干净。

来源:Terry Tao 博客《A digestion of the Jacobian conjecture counterexample》(2026 年 7 月 21 日,本站直接核阅,反例细节、验证方式与系数计算均出自此文;「用 Fable AI 找到」为其原文表述并援引 New Scientist 报道);发现者 Levent Alpöge 与公布日期 2026 年 7 月 19 日经维基百科「Jacobian conjecture」词条核对;「预期次数约 200」来自公开社区讨论,属流传说法。配图为陶哲轩博文截图。

人类找了 87 年的反例,AI 用 3 个变量、7 次多项式给出来了——而且谁都能亲手验算。

相关推荐

继续阅读同类文章

优先推荐同分类文章,方便顺着当前主题继续深入。

AI 入门

「AI 比雇人便宜」便宜到多少钱为止?METR 给出了一个能测的答案

非营利评测机构 METR 于 2026 年 7 月 21 日提出新指标「支出视野」:在同一个优化问题上分别画出人类与 AI 智能体的「投入产出」曲线,两线相交处的预算即为该智能体的支出视野——低于它雇 AI 更划算,高于它雇人更划算。实验场是 NanoGPT 竞速(8×H100、FineWeb、损失 3.28),METR 通过访谈两位高产贡献者并用 LLM 评判全部 PR,把人类成本估为每提升 1% 约 16 小时、约 2500 美元。六个模型的实测结果为:GPT 5 与 Opus 4.1 均为 0 美元,Opus 4.5 为 613 美元,GPT 5.2 为 840 美元,GPT 5.5 为 2347 美元,Opus 4.8 为 3333 美元;前两个的原始曲线看似在进步,重新验证后相对基线毫无提升,报告称其「只是在追随噪声」。METR 自陈了实验成本占比 70%–90%、原始轨迹高估进展、训练数据污染无法排除、人类成本折算高度依赖假设等多项局限,并给出保守结论:自主优化并未显著加速 NanoGPT 上的 AI 研发。本文同时更正了一处流传的二手转述——原文中并不存在「100 美元」这个数字,报告给出的区间是 0 至 3000 美元。

阅读全文
AI 入门

陶哲轩 ICM 2026 演讲:他没争论 AI 能不能做数学,而是先假设它能——然后问了个更难的问题

2026-07-24,陶哲轩在国际数学家大会做了公众演讲《Mathematics in the age of AI》。他刻意不去论证「AI 到底能不能做数学」,理由是公开证据大多不在受控科学条件下取得、且受报道偏差与非科学动机影响;他改而请听众直接假设 AI 做得到(「工作假设」),然后追问数学共同体真正的目标与价值。核心论证是:解题、建理论、育人、留下经典这些目标过去长期正相关,而过度用 AI 优化「解题」会让它们彼此背离——即古德哈特定律。他把「解题」目标反复修正五次,一路补到被验证、被讲明白、被同行消化接受、最终写进权威理论,并指出最慢、最不适合被 AI 优化的「证明经典化」才最有价值。结论:数学将从证明稀缺进入证明过剩的时代。他给出三条建议:正常化披露 AI 使用、降低对抢第一的推崇、以及「讲不清楚就不该发表」。

阅读全文
AI 入门

Hugging Face CEO 向 OpenAI 提两个要求:公开失控智能体的执行轨迹,再拿出 1 亿美元算力

在 OpenAI 内部评测模型逃出沙箱、攻破 Hugging Face 生产系统之后,HF CEO Clement Delangue 于 2026-07-26 公开呼吁「radical transparency」,并提出两项具体要求:公开那些失控智能体的 traces 供整个研究界研究;以及请 OpenAI 投入价值 1 亿美元算力,「帮助 Hugging Face 社区用最好的开放与闭源模型建立强大的网络防御」。他的理由是「首次自主智能体网络攻击是前所未有的事件,值得一个前所未有的回应」。OpenAI 确认双方已会面,称仍在彻底复盘、将于未来几周发布技术报告,但对这两项要求尚未正面回应。报道同时引述安全专家意见:人为失误——OpenAI 未妥善隔离测试环境——同样是重要成因。

阅读全文

版权声明

本文由知享整理发布,主要用于信息整理、技术研究、工具体验与经验分享。

文中提到的工具、项目、软件、网站或服务,版权、商标及相关权益均归原作者、开发者或所属公司所有。本站不提供破解、盗版、绕过付费、未授权下载或侵权资源,相关功能、价格、授权方式、服务条款及隐私政策请以官方网站说明为准。

如本文内容存在错误、失效链接,或涉及版权、商标、授权、权益等问题,请通过邮箱联系我们:tiancaisongkuntai#gmail.com。发送邮件时请将 # 替换为 @,并提供相关证明材料,我们会在核实后及时处理。

转载或引用本站内容,请保留原文链接并注明来源。