DeepMind发布Aletheia：AI自主解开4个数学难题

3月12日至13日，Google DeepMind发布了全新的AI科研智能体Aletheia。这不是又一个”做数学竞赛题”的AI，而是一个能独立开展职业级数学研究的系统——它自主解决了Erdős猜想数据库中的4个开放问题，并在高难度证明基准上达到了95.1%的准确率。AI，第一次真正摸到了”做科研”的门槛。

事件详情：从解题到”做研究”的质变

Aletheia的核心能力包括：

• 顶级证明能力：由增强版Gemini 3 Deep Think驱动，在IMO-Proof Bench Advanced基准上取得95.1%的准确率，该基准考察的是形式化数学证明能力，远难于普通问答；
• 攻克开放问题：自主解决了Erdős猜想数据库中的4个长期未解的数学问题——这些不是为AI准备的测试题，而是数学家们悬置多年的真问题；
• 独立撰写论文：无需人工干预，系统能自主检索科学文献、构建长程严谨证明、系统性地自我修正，最终生成独立的研究论文；
• 以”真理”命名：Aletheia源自希腊语，意为”真理的去蔽”——DeepMind显然希望它成为揭示未知真理的工具，而非应试机器。

DeepMind强调，Aletheia代表的是一种质变：从解决”自包含的竞赛问题”，转向”开放式的科研发现”。前者有标准答案，后者连问题本身都需要在探索中逐步澄清。

背景分析：AI数学能力的三次跃迁

回看AI在数学上的进击，大致经历了三次跃迁。第一次是”会算”：符号计算、定理证明器等工具，能处理规则明确的形式化任务。第二次是”会解”：以2024-2025年多家实验室冲击IMO金牌为标志，大模型证明了自己能在限时、限题的竞赛规则下战胜人类顶尖中学生。

Aletheia试图开启的是第三次跃迁——”会研究”。科研与竞赛的本质区别在于：竞赛题保证有解、保证优美；科研问题可能无解、可能需要发明全新的概念工具。一个能自主选题、查文献、构造证明、写论文的系统，意味着AI开始具备”学术生产力”，而不仅仅是”解题生产力”。

这也解释了为什么DeepMind选择数学作为突破口：数学证明是可验证的（对就是对、错就是错），为AI的自我修正提供了可靠的反馈信号。一旦这套”自主科研”的方法论跑通，复制到物理、化学、生物等同样依赖形式化推理的学科，只是时间问题。

影响展望：科研范式的重构才刚刚开始

最直接的影响在数学界：Erdős猜想库中还有数百个开放问题，Aletheia这样的系统可能以远超人类的速度”收割”其中相对孤立的难题。数学家的角色将从”证明者”转向”提问者”与”验证者”——提出好问题、判断AI证明的价值，将成为更稀缺的能力。

更深远的影响在于科研组织方式。如果AI能承担文献综述、证明构造等耗时工作，一个”一人实验室”的产出可能超过传统团队，科研的规模效应将被彻底改写。同时，如何认定AI独立完成的成果的学术归属、如何防范”论文灌水”，学术共同体需要新的规则。

当然，质疑声同样存在：Aletheia解决的4个问题在数学版图上的”分量”究竟如何，仍需同行评议检验。但无论如何，一个能自主做研究的AI系统的出现，都标志着大模型的能力边界又向前推进了一大步——从”回答已知”，走向”探索未知”。

当然，冷静的声音同样值得倾听。数学界对“AI证明”的接纳向来谨慎：一个证明不仅要正确，还要“美”、要有洞察力，能启发新的数学。Aletheia目前的强项是攻克相对孤立的难题，而提出深刻的新概念、新纲领——数学皇冠上真正的明珠——仍是人类的领地。但这并不妨碍它成为数学家最强大的“外脑”：人类负责仰望星空，AI负责脚踏实地地验证每一条路。