Claude 独立攻克图论猜想,高德纳对此震惊发文,反映

---

别慌，数学家还没失业，AI只是好用的“赛博黄牛”

昨天刷手机，看到个消息差点把咖啡喷了满屏。

“Claude独立攻克图论猜想，高德纳震惊发文！”

好家伙，这个标题写得太会了——又像科幻片开头，又像AI要统治人类。更绝的是，点进去一看，《计算机程序设计艺术》的作者，那个88岁的图灵奖得主高德纳，开篇就是“Shock！Shock！”

是不是感觉像在看电影预告？

但你别急。作为一个写了十年技术专栏的人，我太懂这套路了。标题不夸张，谁点进来？所以今天我特别想把这个事从头到尾捋清楚——AI到底干了啥？对我们普通人又意味着什么？

---

先用大白话还原现场，别被“震惊”带跑偏

事情其实特别简单。

高德纳正在写他那本神书的更新章节，遇到一个问题：在一个m×m×m的立方体网格里，能不能把所有的边拆成三个不重复的环，每个环恰好走过所有顶点一次？

他之前只搞定了m=3的情况，后面的就卡住了。这时候他朋友Filip Stappers提议：要不让AI试试？

于是Claude Opus 4.6上场了。干了31轮迭代，最后找到了一个构造方案。

你看，到这儿还不夸张吧？关键是下面这句——

方案是谁想的？是Stappers。路线是谁规划的？也是Stappers。AI撞墙的时候谁拉回来的？还是Stappers。AI开始胡说八道了，谁纠正的？

对，还是他。

高德纳自己打了个特别妙的比方：AI在这件事里就像一把“电动螺丝刀”——能帮你干活，但不是那个独立发明新东西的天才。

结果媒体一加工，直接变成了“Claude独立攻克图论猜想”。你想想，这差距有多大？

我看到还有文章写Claude“展现出逻辑严密的探索能力”——你猜怎么着？31次迭代里有十几轮都是在钻死胡同。这叫严密？

所以这事的看点从来不是“AI有多聪明”，而是“人类是怎么让AI给自己打下手的”。

---

AI到底干了啥？说白了就是个“赛博白板”

说到这儿，我得给你看看高德纳的论文原文，其实记录得特别诚实。

Claude的解题过程是这样的：先试线性函数，不行；再试二次函数，还不行；干脆暴力搜索，直接炸了。

到了第15次尝试的时候，它突然开窍了——意识到这个图是个凯莱图（就是那种有特殊对称性的图），然后引入了一个叫“纤维分解”的框架，把三维问题变成了层与层之间的跳转问题。

你看，这个框架找对了，对吧？之后就在这个框架里找具体规则，最终在第31次找到了一个叫“bump”的构造，写了段Python代码。

然后高德纳拿到代码，亲自验证了m=3到101的所有奇数情况——全对。他又严格证明了这个构造的通用性，还发现实际上有760种类似的解，Claude只找到了其中一种。

所以说到底，人负责“往哪走”，AI负责“试试这条路能不能通”。

我跟你讲，这就是个数学版的人机协作。Stappers是布置作业的，AI是做作业的。做完之后，高德纳这个老师还得批改一通。

顺便说一句，偶数m的情况Claude根本搞不定。它虽然暴力搜出了m=4、6、8的解，但总结不出通用规律。后来还是另一个研究者拿GPT-5.3-codex生成了处理大偶数的代码，但那个解复杂到人类都还没完成证明。

所以你看，AI做数学有个致命问题：它能找到解，但常常说不清为什么对。

---

先别急着吹，也先别急着踩

我最近测试了好几个AI做数学题的能力，说真的，挺分裂的。

那些结构清晰的问题——比如数论、组合数学里有明确套路的——AI表现得确实好。我拿了几道IMO的题去试，有些模型解题思路比参考答案还简洁。

但一换到需要“灵感”或者“类比思维”的问题，AI就开始犯浑了。不是那种你可能想的犯浑——它会把自己的错误包装得滴水不漏，然后对着一个错的中间结论猛推十几步。

高德纳这次的论文里也提到了：Claude经常漏掉关键点，还会在错误的方向上一路狂奔。Stappers必须反复叫停。

这让我想起AlphaGo和李世石下棋的时候。当时好多人说“AI下围棋只是靠算力，不是靠直觉”。后来棋谱被反复研究，发现很多手棋根本不是算出来的，是“感觉”出来的。

但说真的，我对AI做数学的态度，和围棋不一样。

为啥？因为围棋规则固定，搜索空间虽然大但有限。数学不一样——它的核心是构建“概念”，是找到“正确的问题”，不是“正确的答案”。你让AI在一个给定的框架里找解，它可以。你让它自己定义一个框架，它直接麻爪。

高德纳这事，正好卡在这条线上。Claude是在Stappers给定的框架里做验证和搜索，不是在脱离人类的情况下独立创造新数学。

---

别慌，数学家的饭碗还稳得很

很多人看到这种新闻就开始慌：数学家是不是要失业了？

我说句实话，这事距离“AI独立做数学研究”还差十万八千里。

高德纳在论文结尾写了句话特别有意思：“不得不重新评估生成式AI在数学研究中的作用。”注意他说的是“重新评估”，不是“承认被超越”。写了50年算法书的老爷子，突然发现AI能帮忙了，这确实是个信号——但信号的意思是“AI成了新工具”，不是“AI成了新数学家”。

你想想，历史上数学工具一直在变。从纸笔到计算机辅助证明，到计算代数系统，再到现在的AI辅助推理——每一步都让数学家能干更多事，但每一步都没替代数学家。

我觉得最现实的变化是：以后的数学研究可能会变成“人类出题、AI探索、人类证明”三段论。

就是人类负责提问和最后把关，AI负责中间那段最枯燥的试错和验证环节。说白了，AI就是个不会累的博士后——你给它个方向，它能帮你干一堆脏活累活。

但你想让它自己选方向？别做梦了。

你看高德纳论文里唯一一次用“独立攻克”，是在描述Claude“自行推导出了一个有效的构造”——但那是在Stappers反复纠偏的情况下完成的。你换个场景试试：把一个数学PhD扔进完全陌生的领域，不给导师、不给方向、不给反馈，你看他两个月能不能搞定一个新猜想。

AI也一样。而且说句更扎心的：AI目前顶多是个本科生水平。

---

说点我自己的判断吧

我不觉得AI会在短期内“独立攻克”什么重要的数学猜想。

理由特别简单：真正重要的数学突破，从来不是“算”出来的，而是“想”出来的。

傅里叶发现热传导方程，灵感来自物理直觉。黎曼写黎曼猜想，是为了理解素数分布的模式。伽罗瓦发明群论，是为了解决五次方程不可解的证明。

你想想，哪个是靠暴力搜索能搞定的？

它们都需要数学家先意识到“这个问题有意思”，然后问出“正确的问题”。而这件事，AI做不到。

Claude能帮我们干的是：在有了“正确的问题”之后，快速验证、大量试错、节省时间。这也是高德纳这次真正展示的东西——AI作为工具，缩短了从“猜到”到“验证”之间的距离。

但提问题、定方向、最后做证明，还得人来。

所以下次再看到“AI攻克XX猜想”的标题，你先别急着转发。去翻翻原始论文和代码，看看人在里面到底干了多少活。大概率你会发现，AI只是那个敲代码的助手，真正的MVP还是人。

说到这儿，我想起一个段子：“AI会写代码了，程序员要失业了”——结果AI写的代码有bug，人类程序员还得去修。循环了一千次，AI还是那个AI，人类还是那个人类。

数学也一样。工具进化了，但做数学的人永远不会消失。他们只是换了一副更趁手的工具罢了。

高德纳在论文最后写了句很燃的话：“愿原力与你同在。”

我觉得这句话，是说给人听的，不是说给AI听的。

因为原力在谁手里，谁才是真正握住未来的人。

AI是副好鞍，但真正骑马的，还是人。