AI數學，正在迎來十年前圍棋界同款的「打臉時刻」。
持有類似判斷的，不是別人，正是十年前推動AlphaGo項目的DeepMind聯合創始人哈薩比斯。
雖說哈薩比斯最近經歷了一系列身份變動——從DeepMind CEO轉任谷歌首席科學家兼DeepMind董事長。
但論起AI如何改變人類認知，他仍是最有發言權的人之一。
十年前，他親歷AlphaGo憑藉石破天驚的第37手，擊敗傳奇棋手李世石。
十年後，站台AI攻入數學與科學前沿的第一現場，他又給出了一條新的判斷：
如果AI能解決一個千禧年數學大獎難題，那將是「第37手級別」的重大突破。目前來看，AI達到那個水平似乎只是時間問題，我看不出為什麼不會。
第37手，一個代表著人類第一次被AI打臉的時刻，由此被世人銘記。
但很少有人記得，第37手並不是那場人機大戰留下的唯一答案。
兩局之後，已經連輸三場的李世石落下第78手。
這手棋同樣只有萬分之一的人類落子概率，卻成功打亂AlphaGo，幫助李世石拿下五番棋中人類唯一的一場勝利。
十年後再回顧這場人機大戰，不得不感慨：
人類與AI的關係，恰如這兩個數字。
一個讓人類重新認識AI，一個讓人類重新認識自己。
讓人類顏面掃地的第37手
時間撥回2016年3月，AlphaGo與李世石的五番棋大戰正在韓國首爾上演。
首局較量，李世石不敵AlphaGo，出師不利。
來到第二局，全世界都在等著這位傳奇棋手發起反擊。
棋至中盤，李世石暫時離席，抽了根煙平復情緒，可當他重新回到棋盤前，一枚黑子已經落下。
第37手。
李世石沒有立刻坐下，他站在原地盯著棋盤，幾乎不敢相信自己的眼睛。
原因很簡單，這步棋太不像人類了。
AlphaGo將棋子落在第五線上，偏離了職業棋手延續數百年的佈局直覺。在人類圍棋的常規認知裡，棋子要盡可能佔據高位以掌控全局，但AlphaGo偏偏落子於一塊尚未發生直接戰鬥的區域。
現場解說最初甚至懷疑，AlphaGo是不是下錯了。
負責解說的職業九段棋手Michael Redmond面對這枚黑子，良久無法判斷，只能說：
我不知道這是好棋還是壞棋，它非常奇怪。
搭檔則更加直接：
我以為這是一個錯誤。
DeepMind團隊後來計算，人類棋手選擇這一步的概率只有萬分之一。
但隨著棋局繼續推進，人們才逐漸看清，這不是臭棋，這是一手從更大尺度改變戰局的妙棋。
大約100手後，這枚看似落錯位置的黑子，卻偏偏成了AlphaGo贏下第二局比賽的關鍵。
後來，這個讓人類集體誤判的時刻，逐漸被戲稱為「打臉時刻」——
原本以為是AI錯了，結果錯了的人類自己。
不過打臉之外，這一手也讓全世界第一次意識到，AI不只會模仿人類下棋，它還能走出人類從未想過的一步。
而就在十年之後，「第37手」確實再度問世了，而且這一次它和一個古老的學科產生了關聯：
數學。
對AI來說，圍棋和數學有一個很大的共同點，那就是可驗證性。
由於這些領域的邏輯和規則足夠明確，所以AI可以不斷重複一個簡單的流程：
嘗試一個想法，對其進行測試，從結果中學習，然後繼續嘗試，直到成功為止（強化學習那一套）。
這套機制也解釋了，為什麼數學會成為第一個被AI「第37手」集中轟炸的學科。
在藥物研發、生物學等領域，一個想法是否有效，往往需要漫長實驗才能驗證。
數學不一樣，證明過程可以逐步檢查，對就是對，錯就是錯，AI因此可以不知疲倦地搜索。
就這樣，隨著AI能力不斷增強，變化開始以年為單位加速了。
以ChatGPT的誕生為起點，2023年大模型還會被一些基礎算術題絆倒，「9.11和9.9哪個大」的翻車現場一度讓人啼笑皆非。
但到了2024年，DeepMind的AlphaProof與AlphaGeometry 2就已經衝進國際數學奧林匹克競賽。
兩套系統解決了6道題中的4道，拿下28分，達到銀牌水平（距離當年的金牌線，只差1分）。
而短短一年後，Gemini Deep Think在正式比賽規定的4.5小時內解決5道題，拿下35分，達到IMO金牌水平。
兩年時間，AI就從新手小白進階到了IMO金牌，速度驚人。
但這還只是考場。
真正讓數學界感到潮水撲面的，是AI開始從「做題」走向「研究」。
2025年，GPT-5參與解決埃爾德什問題848，提出了證明所需的關鍵估計。
數學家對其修正、收緊後，最終完成完整證明。
同一年，UCLA數學家Ernest Ryu藉助GPT-5，為一個困擾優化理論40年的開放問題找到突破口。
在這一階段，AI不再只是計算答案，它開始貢獻關鍵想法。
然後，時間來到2026年，一系列重大數學問題開始取得突破。
率先扔下重磅炸彈的仍是OpenAI。
一個內部通用推理模型盯上了平面單位距離問題。這個問題由數學家保羅·埃爾德什在1946年提出，研究的是在平面上放置n個點，最多能產生多少對距離恰好為1的點。
近80年來，數學界普遍認為，正方形網格一類構造已經接近最優。
但AI直接從看似不相干的代數數論中搬來一套工具，構造出一組全新的點集，推翻了這個長期猜想。
整個證明隨後經過外部數學家核驗。
OpenAI稱，這是通用AI首次自主解決一個在數學分支中具有重要地位的開放問題。
緊接著，Anthropic也跟了一手。
2026年7月，Anthropic數學家Levent Alpöge藉助Claude Fable 5，為雅可比猜想找到一個明確反例。
一個困擾數學界87年的猜想，就這樣被AI一夜證偽了。
甚至還有OA兩家聯手的。
就前兩天，GPT-5.6和Fable 5聯手，解決了一道懸置25年的數學難題。
（類似的故事不要太多……）
不過最誇張的還是谷歌，DeepMind正在把這種突破變成流水線。
其數學智能體Aletheia不再只生成一次答案，而是會反覆提出證明、檢查漏洞、推翻自己，再重新尋找路徑。
DeepMind用它掃描了埃爾德什猜想資料庫中的700個開放問題。
其中，AI自主解決了4個尚未解決的問題，還參與產出了多篇達到論文品質的數學成果。
這一嘗試說明，AI已經開始成規模地搜索數學世界中的空白地帶。
所以不難想像：
AI解決更多重大數學問題，就真的只是時間問題。
從解題到研究，從複述已知知識到提出未知答案，數學領域的第37手，正在接連落下。
尋找人類的第78手
而面對這個大概率即將到來的時刻，人類無疑將面對一個靈魂拷問：
如果AI還會不斷走出人類從未想過的新路，人類又該怎麼辦？
十年前那場對決中出現的第78手，或許就是答案。
五番棋第四局，已經連輸三場的李世石，將一枚白子楔入AlphaGo陣形中央。
這手棋同樣偏離了常規，AlphaGo估算人類下出的概率也只有萬分之一。
隨後，機器亂了陣腳。
李世石最終拿下人類唯一一勝，第78手也因此被稱為「神之一手」。
這場勝利並不意味著人類重新戰勝了AI。
但至少說明，人類可以在理解機器之後，找到機器沒有預料到的下一步。
這正是第78手留給今天的啟示。
當AI越來越擅長給出答案，人類的價值將更多轉向提出問題、判斷方向，以及決定哪些答案真正值得尋找。
借用西洋棋中「半人馬棋」的概念，也就是讓人類棋手與電腦引擎共同作戰。
p.s. 1997年IBM的「深藍」擊敗人類世界冠軍卡斯帕羅夫後，卡斯帕羅夫於1998年倡導並舉辦了首屆「半人馬西洋棋賽」，探索人類與AI合作的可能性。
哈薩比斯認為，科學正在進入類似的「半人馬時代」：
我們正步入一個由人類與電腦共同協作的時代，我不知道這個週期會持續多久。但對於那些非常複雜的領域來說，這個時間可能會很長。比如藥物研發、生物學、化學領域等，這些領域非常複雜，情況多變，而且無法驗證一切。這時候就需要人類的直覺和洞察力，來決定前進的方向。
圍棋後來的變化已經證明了這一點。
AlphaGo出現之後，AI迅速成為職業棋手的覆盤工具，棋手可以用AI重新檢查過去的定式，發現哪些經驗其實並不可靠，也可以研究那些曾經被認為不合理的新走法。
一項分析超過580萬步職業棋手決策的研究發現：
超級AI出現後，人類棋手的落子品質顯著提高，新穎走法也變得更多。
不過事情也有另一面，那就是：
人們開始依賴AI給出答案，逐漸失去判斷答案的能力。
就像李世石在退役時所說，面對一個無法戰勝的對手，他已經很難繼續享受曾經熱愛的圍棋。
這或許才是AI時代最值得警惕的問題。
當數學之外的更多領域受到AI影響，更強大的系統會讓我們變得更有創造力、更高效，也更像人類嗎？
還是會讓人們放棄努力？
未來，AI還會不斷落下第37手。
剩下的問題是，人類能不能找到自己的第78手。
參考連結：
[1]https://www.wsj.com/tech/ai/move-37-ai-demis-hassabis-google-deepmind-alphago-ec832a41?st=9XMAjn&reflink=desktopwebshare_permalink
[2]https://x.com/demishassabis/status/2085914742414061886
本文來自微信公眾號“量子位”，作者：關注前沿科技
