前两天，数学圈又爆出了大新闻：AI大模型GPT-6 Astra在哥德巴赫猜想证明方面取得突破，证明了刘维尔函数下弱化的哥德巴赫猜想。
先说说这件事有多炸
前两天，数学圈沸腾了
OpenAI 的 GPT-6 Astra 干了件大事：它证明了一个跟哥德巴赫猜想有关的数学命题。
更离谱的是，它用的不是"暴力破解"——不是靠电脑拼命算、算到天荒地老那种。它找到的是一条巧妙而紧凑的数学证明路线，其中大量使用了反证、构造和下降等数学方法。
这种证明的意义，并不只是"电脑算得更快"，而是 AI 开始参与寻找新的数学证明思路。
网友甚至调侃：
“AI把陶哲轩整破防了。”
哥德巴赫猜想是啥？为什么大家这么激动？
先给不太了解的同学补个课。
哥德巴赫猜想是 1742 年提出来的，内容是：
任何一个大于 2 的偶数，都可以写成两个质数（素数）之和。
比如：4 = 2+2，6 = 3+3，8 = 3+5，10 = 3+7，12 = 5+7……
听起来好像不难？但人类花了 280 多年都没证明出来。
我国数学家陈景润，1966 年取得了著名的"1+2"成果——证明充分大的偶数都可以写成"一个质数 + 一个至多由两个质数相乘得到的数"。这是人类逼近哥德巴赫猜想最著名的成果之一，但最后那层窗户纸，始终没人捅破。
所以当我看到"GPT-6 搞定哥德巴赫"的标题时，第一反应是：不可能吧？
真相是：AI 证明的不是哥德巴赫猜想本身，而是一个关于"刘维尔函数"的弱化版本。
AI 到底证明了什么？
用最简单的话说：
哥德巴赫猜想要求的是两个质数相加。
AI 证明的是：两个"刘维尔函数值为 -1"的数相加。
**什么是质数？
质数，就是一个只能被 1 和它自己整除的自然数。比如2, 3, 5, 7, 11…
质因数，就是一个合数分解成质数相乘时，那些质数就是它的质因数。简单说：质因数 = 既是质数，又是某个数的因数。比如 12 = 2 × 2 × 3这里 2 和 3 都是质数，也都是 12 的因数，所以 2 和 3 就是 12 的质因数。
什么是刘维尔函数？
你可以这样理解：每个正整数都可以分解成质数相乘。如果把质因数按照重数计算，分解出来的质因数总个数是奇数，这个数的刘维尔值就是 -1；如果是偶数，就是 1。
所有质数本身，质因数个数当然是 1 个，是奇数，所以所有质数的刘维尔值都是 -1。
但刘维尔值为 -1 的数不全是质数。比如 8 = 2×2×2，有 3 个质因数，是奇数，所以 8 的刘维尔值也是 -1。但 8 不是质数。
所以 AI 证明的命题，条件比哥德巴赫猜想宽松——它不要求必须是质数，只要求"质因数总个数是奇数"就行。
放宽了条件，当然好证一些。但也没有好证到哪里去。
2024 年，数学家 Alexander Mangerel 在这个问题上取得过重要进展。
他先证明了与刘维尔函数哥德巴赫型问题有关的无条件结果；随后在 2024 年底的一篇论文中，又在广义黎曼猜想成立的条件下证明：所有足够大的偶数，都可以写成两个刘维尔函数值为 -1 的数之和。
但这里有两个限制：第一，只保证"足够大"的偶数；第二，其中完整结论依赖一个叫"广义黎曼猜想"的东西——而这个猜想本身都没被证明。
打个比方：你站在一个还没有被证明完全可靠的地基上，去盖一栋楼。楼的推理可能成立，但前提本身还悬着。
GPT-6 Astra 干的事是：去掉了这个前提，并把结论推进到了所有大于 2 的偶数。
它实现了"无条件证明"，覆盖全部大于 2 的偶数，没有例外。
而且整个过程非常快。
第一阶段，Astra 用一份只有约两页的证明解决了所有 4 的倍数；随后又继续找到新的证明路线，把剩下的偶数情况补齐，形成了完整证明。
最让人震撼的地方：它不是单纯"算"出来的
这才是真正让数学圈关注的原因。
以前计算机做数学，当然早就不只是暴力计算了。自动定理证明、符号推理、形式化证明等技术已经发展了几十年。
但这次不一样的地方在于：
一个通用大模型参与找出了一条非常紧凑的新证明路线，并且最终还能转化成形式化证明，让计算机逐步检查。
第一阶段针对 4 的倍数的证明，就大量使用了反证法、构造法和下降思想。
这就像一个学生，没照搬老师的标准解法，而是自己琢磨出了一条新的路线把题解了，而且方法还挺漂亮。
有人评论说：“AI 展现出了数学的优雅。”
简单说一下第一阶段针对 4 的倍数 的证明思路：
预处理与简单分类： 针对 n = 4m，根据 m 的不同性质分别构造合适的拆分，并利用刘维尔函数在乘法下的符号规律处理部分情况；较小的特殊值则可以直接检查。
核心推导： 针对剩余情况，先假设 4m 无法拆成两个刘维尔函数值为 -1 的数之和，再寻找具有某种"最小性"的拆分，通过构造新的整数对得到一个更小的反例，从而与原来的最小性发生矛盾。
这是一种非常典型而漂亮的无限下降/最小反例思想。
而当 Astra 把结论进一步推广到全部偶数时，证明又引入了有限域、乘法对称性和二次剩余等更完整的数论结构。
所以最终完整证明并不能简单说成"高中数学都能看懂"，但它依然属于一种相当精炼的数论证明。
但陶哲轩们为什么"不高兴"？
这里需要把时间线说清楚。
陶哲轩是当代最顶尖的数学家之一，菲尔兹奖得主。他对 AI 一直是很开放的态度。
而就在这次 GPT-6 Astra 数学结果出现前不久，9 月 11 日，陶哲轩等 25 位菲尔兹奖得主联名发表了一份关于 AI 与数学研究的声明。
也就是说，这份声明不是因为 Astra 这次证明才发出来的，但两件事前后发生在同一个时间窗口，因此放在一起看非常有意思。
他们担心的并不是简单的"AI 太强了"，而是：
如果 AI 公司把"攻克数学难题"主要当作展示模型能力的指标，可能会与数学研究真正看重的东西发生冲突。
比如数学界有个叫"纳维-斯托克斯方程"的难题，大家研究了几十年。
虽然答案还没出来，但研究过程中，数学家们发明了一大批重要工具、方法和定理。
这些东西本身就可能比最终答案还有价值。
陶哲轩也讨论过一种类似"剧透"的风险：
如果 AI 突然直接给出一个难题的最终答案，人类可能会跳过原本需要走很多年的探索过程。
而那些"弯路"上，本来可能产生的新方法、新概念、新理论，也可能因此减少。
所以网上把这种担忧概括成：
AI 会不会开始给数学研究"剧透"？
这个问题很值得思考。
网友的评论也很有意思：
“AI是整个人类的幸运草，是科研人员的寒冬。”
对我们普通人来说，这意味着什么？
换个角度想。
我们没有因为计算器算得比人快而恐惧。
我们没有因为汽车跑得比人快而恐惧。
我们没有因为起重机比人有力气而恐惧。
那当 AI 开始参与寻找以前主要由数学家完成的证明思路时，会发生什么？
这次 GPT-6 Astra 的证明，已经有 Lean 4 的形式化版本——也就是说，证明可以被转化成严格的形式语言，让计算机按照给定的数学定义和逻辑体系，一步一步检查推理是否成立。
而且相关代码可以独立复现和重新检查。
它不是简单扔出一个"黑盒答案"，而是一份可以被数学家和形式化系统继续检查的证明。
Astra 是 OpenAI 9 月 3 日发布的新一代 GPT-6 系列中的最高能力版本。
GPT-6 家族包括 Astra、Sol 和 Luna 等不同能力级别。
OpenAI 总裁 Greg Brockman 在 GPT-6 Astra 发布期间也作出了非常激进的判断。
他甚至直接说：
“Welcome to the AGI era.”
也就是：
欢迎来到 AGI 时代。
我的看法
作为一个学草（学渣），我不敢对数学本身指手画脚。
但我能感受到一件事：AI 正在从"工具"变成参与思考的系统。
以前很多人理解的 AI 是"你问它答"，主要从人类已有知识里整理答案。
现在更值得关注的是：
AI 开始有可能在已有数学规则和知识基础上，寻找新的证明路线。
这不是结束，这是开始。
AI 还没有解决哥德巴赫猜想本身。
它解决的，是它的一个"周边问题"。
但这条路一旦走通，谁知道下一步会走到哪里？
属于人类的数学时代结束了吗？我觉得没有。
但属于"人机协作"的数学时代，可能真的开始了。
前段时间说 AI 算力过剩、发展太快的一种说法甚嚣尘上。有人问，癌症解决了吗？哥德巴赫猜想解决了吗？人类上太空需要的新材料解决了吗？AI 都可以大有作为，为什么说 AI 还发展太快呢？现在想想确实有道理。
继 1666 年牛顿奇迹年和 1905 年爱因斯坦奇迹年之后，未来几年会不会成为又一个科学突破密集出现的时代？
现在没人能确定。
但可以确定的是：
AI 正在迅速渗透数学、物理、化学、生物等科研领域，而且它在科研中的角色，正在发生质变。
让我们一起看看这个时代最终会走到哪里。
参考资料：GPT-6 Astra Liouville–Goldbach 证明及 Lean 4 形式化项目、Alexander Mangerel 2024 年相关论文、Terence Tao 等数学家关于 AI 与数学研究的声明、OpenAI GPT-6 Astra 官方发布资料。