Gemini 挺进数学荒原：Erdős 猜想的半自主发现之路

TL;DR

数学大师保罗·埃尔多斯 (Paul Erdős) 留下了海量的猜想。最近，Google DeepMind 团队利用定制的 Gemini Deep Think 智能体（代号 Aletheia）对 700 个开放问题发起冲锋。结果令人振奋但也发人深省：AI 成功解决了 13 个猜想，但其中大部分属于文献中已被冷落的结论，仅有少数为真正的“自主创新”。

背景定位：这是 AI 在纯数研究领域从“复读机”向“协作者”转变的关键实验，标志着 AI 具备了初步的领域探索能力，同时也揭露了 AI 在数学研究中存在的定义误解与版权隐忧。

痛点深挖：为什么数学发现这么难？

在埃尔多斯的数学遗产中，很多问题被标记为“Open”，并非因为其不可逾越，而是因为它们散落在海量历史文献的角落里，无人问津。

1. 专家带宽瓶颈：AI 生成证明很快，但有能力验证证明正确性的专家极少。
2. 定义歧义：Erdős 的许多表述较为随性，AI 容易在忽略语境的情况下得出“正确但无意义”的平凡解（Vacuous Solutions）。
3. 文献鸿沟：判断一个结论是否真的“原创”比证明过程本身更耗时。

方法论：Aletheia 智能体的筛选机制

为了解决上述痛点，DeepMind 并没有暴力堆砌算力，而是采用了一个混合过滤流程：

1. 自然语言验证器 (NL Verifier)：在 Gemini 生成初稿后，由特定的验证模块通过逻辑推演排除明显的错误。这让专家面对的候选方案从 700 个锐减至 212 个。
2. 领域专家垂直评审：人类专家介入，通过对比文献和跨学科沟通，剔除那些“理解错题意”的方案。

核心突破：独立解决 Erdős-1051

在众多成果中，Erdős-1051 最具代表性。它问：如果一个整数序列 $(a_n)$ 增长极快（满足 $\lim \inf a_n^{1/2^n}>1$），那么级数 $\sum \frac{1}{a_n{a}_{n+1}}$ 是否一定是无理数？

Aletheia 给出了一个漂亮的证明：

• 逻辑直觉：通过构造 partial products 和 tails，利用 Mahler 准则证明了该级数无法表示为分母固定的有理数。
• 成果转化：该证明随后由人类数学家使用 Lean 4 进行了形式化验证，并衍生出了一篇全新的学术论文。

深度洞察：AI 的“潜意识抄袭”

本研究提出了一个极具警示性的概念：潜意识抄袭 (Subconscious Plagiarism)。

在解决 Erdős-1089 等问题时，AI 生成的证明与 1981 年的一篇文献极其相似。由于该文献在 AI 的预训练数据集中，即使 AI 在推理日志中没有表现出搜索该行为，它也可能在生成过程中“无意识”地复现了训练数据。

• 风险：如果人类研究者直接署名发布此类成果，将面临严重的学术诚信挑战。
• 反思：数学论文的署名权应始终属于人类，因为人类需要承担起“核实文献出处”这一法律与学术责任。

实验总结与启示

• 现状：AI 已经能熟练处理“学生练习题级别”的数学挑战，并能高效辅助专家缩小搜索空间。
• 局限性：AI 在理解 Erdős 独特的命名约定和识别隐蔽文献方面仍显笨拙。
• 未来：数学发现的未来不在于 AI 的全自动化，而在于人类如何利用 AI 的超强联想力来识别那些被历史尘封的连接点。

“数学意义的评估权，目前依然牢牢掌握在人类专家手中。”