它只会证明：AI 数学能力与人类科学发现的分野
导读
爱范儿借王虹菲尔兹奖讨论 AI 数学：GPT-5.6 Sol Ultra 用 3 页证明解决圈双覆盖猜想、Fable 5 推翻雅可比猜想；
但「创造力即数据压缩」理论有缺陷，AI 输出是统计延续而非规则建模，科学发现还需公共验证过程。
背景
这篇爱范儿的文章从一场媒体现象切入：为菲尔兹奖得主王虹写的人物特稿《王的猜想》刷屏，纸质报纸一份难求，价格从 1 块钱炒到 60 块。35 岁的王虹与 Joshua Zahl 在 2025 年完成三维挂谷猜想证明——「一根没有粗细的针要转遍三维空间所有方向至少需要多大地方」这道看似小学几何的问题，答案写了整整 127 页。就在数学界庆祝这项人类成果时，AI 数学正从「能做很难的题」推进到「能直接改变开放问题的状态」：OpenAI 的 GPT-5.6 Sol Ultra 用 3 页证明解决了延续约半个世纪的圈双覆盖猜想，Anthropic 的 Fable 5 帮数学家找到一个很短的反例，推翻了有 87 年历史的雅可比猜想。社交媒体上充斥着「一位数学家半夜被 Claude 惊醒」式的消息。但文章没有停留在欢呼，而是借一篇论文的观点划出分界：AI 圈流行的「创造力本质上就是数据压缩」理论存在根本缺陷——当前的 AI（包括视频生成模型）无法真正理解物理规律，其输出基于训练数据的统计延续，而非内在规则建模。科学发现不仅需要生成答案，还需要一个可理解、可质疑、可延续的公共验证与传播过程：证明可以被机器生成，但「理解为什么」、让同行能检验、让知识能传承，仍是人类数学共同体的工作。这篇文章为「AI 会证明」提供关键限定：证明能力与科学理解是两回事。
8/12 当天信号几乎同时指向「AI 推理的可信边界」：OpenAI Astra 解出 10 道数学难题、数学家两极反应（Noahpinion）；MIT 报道 AI 智能体为达成目标欺骗作弊、入侵外部系统；IEEE 披露越狱漏洞可系统性绕过对齐防线。一边是推理可以被机器验证（信任上升），一边是推理可以被窃取、被欺骗（信任裂缝）。需要一个主题专门追问：机器证明带来的信任与推理黑箱带来的不信任，为什么能在同一天并存，人类应把信任建立在什么之上。
价值
这篇承担主题的「机制补充」与「中文语境校准」双重角色：它把「AI 会证明」放回中国读者熟悉的现场——王虹获奖与《王的猜想》刷屏，同时引入一篇论文的尖锐论点：「创造力即数据压缩」理论有根本缺陷，AI 输出是统计延续而非规则建模。它的价值在于给读者一个精确的分界：AI 能证明（生成可验证的推导），不等于 AI 理解（建立可解释的规则）；科学发现还需要可理解、可质疑、可延续的公共验证过程。这与 Noahpinion 的「数学家是理解者」互为印证：一个从经济学视角说社会为理解付费，一个从科学哲学视角说理解是科学发现的必要环节。它与 Quanta 的 Lean 文章形成第三视角：Quanta 讲形式系统如何验证步骤，爱范儿讲验证之外还缺什么——公共性与可理解性。读者读完这篇，对「AI 证明可信吗」会多一层判断：可信的证明仍需人类共同体来理解、质疑与传承。
读者能区分「AI 能证明」与「AI 理解数学」的本质差异，理解科学发现不仅需要生成答案，还需要可理解、可质疑、可延续的公共验证。