OpenAI破译数论悬案，P≠NP重大线索浮现

新智元报道 人类卡了几十年的数论悬案，AI仅用8页纸就给秒了？ 这两天，整个数学界和计算机圈，都陷入了巨大震撼。 10月18日，斯坦福大学数论学家Jared Duker Lichtman在X上的话，瞬间引爆全网—— 「此类证明的存在，强烈暗示了 P≠NP 。 」 这句话的导火索，是OpenAI内部模型刚交出的逆天答卷——「不存在Landau-Siegel零点」的证明。 这道解析数论里卡了几十年的关键难题，学界公认极难。 结果，OpenAI不仅做出来了，原始证明竟然只有8页！ 更刺激的还在后面。

顶尖数学家们迅速跟进： 密苏里大学的Bill Banks先写了一份19页的详细拆解； 紧接着，Bryce Kerr利用双二次扩张 和Masser的经典结果，把证明压缩到了6页； 随后，牛津大学教授Ben Green再砍一刀，直接给出了5页纸的终极版本！ 从几十年的无解绝望，到短短5页纸。 伦敦玛丽女王大学教授Abhishek Saha发出了灵魂拷问： 如果这个问题只要5页就能证明，为什么数学家们几十年都错过了？

寻找如登天，验证如喝水 为什么5页纸的数论证明，会让斯坦福教授直接联想到计算机科学的圣杯—— P vs NP ？ 道理很简单。 一份5页的证明，任何专家花几小时就能读完验证； 但为了这5页纸，人类最聪明的大脑却苦苦摸索了几十年。 「寻找极难，验证极易。 」 这八个字，恰恰就是P≠NP 的底层直觉！ 在评论区，Anthropic研究员Joshua Batson一针见血地指出—— 数学家的『显然』总是相对的。 事实证明，许多未解难题（相对于AI）都是显然的！

玩笑背后，是一个极其严肃的拷问：当AI几周内交出700多篇数学手稿，千禧年神题 P vs NP，是不是也快了？ 三道高墙，锁死人类五十年 用一句话解释 P vs NP：能快速验证答案的问题，是否都能快速算出答案？ P是「能快速求解」的问题，NP是「能快速验证」的问题。 数独、排课、破解密码都属于 NP：给你答案，一秒就能检查对错； 但从零开始找，只能近乎穷举。 如果 P=NP ，现代密码学瞬间崩塌，全球金融裸奔，但所有复杂难题都将迎来终极捷径； 如果 P≠NP ，则意味着宇宙存在本质上无法走捷径的难题。

这个问题自1971年提出，悬赏100万美元。 绝大多数科学家相信 P≠NP ，但五十多年来无人能证。 难在哪？ 因为人类不仅没找到钥匙，反而证明了现有的开锁工具注定无效。 这就是著名的三道「屏障」： 1.相对化屏障（1975）：靠模拟与对角化的经典方法，根本不可能解决它； 2.自然证明屏障（1994）：大多数电路下界的证明套路，若能证出P≠NP，就会顺手破解伪随机数生成器，自相矛盾； 3.代数化屏障（2008）：连带代数技巧的升级版方法，也被证明火力不足。

今年6月，复杂性理论学者Lance Fortnow悲观地表示：目前人类连一条可行的攻击路线都没有。 他建议挑战者先去证「SAT没有平方时间算法」这种简单得多的问题，然后补刀说：「你在那里也不会成功。 」 这，就是AI要面对的对手。 719篇手稿狂轰，9岁萌娃贴脸开大 面对铜墙铁壁，AI直接开启了饱和式攻击。 10月6日，OpenAI在GitHub一次性放出了 722篇手稿（次日撤回3篇），归为 372个结果家族。 内部模型尝试了约4000个开放难题，平均每题仅耗时约3小时的ChatGPT Pro算力。

其中，理论计算机科学占了40个家族。 虽然没直接干掉 P vs NP，但好几篇都精准砸在了通往它的主干道上。 今年 6 月，复杂性理论学者 Lance Fortnow 写道：除了模拟，我们对通用多项式时间算法毫无办法； 电路复杂性、证明复杂性、代数几何等路线，都卡在远低于多项式时间全部能力的地方。 他的结论是，目前连一条可行的攻击路线都没有。

巧的是，OpenAI 这次的六个结果，恰好在每一条上都插了旗 第112号家族（深度3电路下界）：证明 P vs NP最被看好的路线，是证明某个 NP 问题需要「超多项式大小的电路」。 人类在深度3电路的显式下界上长期卡在 附近，AI这次直接跨过了这道坎。 第102号家族（唯一博弈猜想，UGC）：证明了Subhash Khot在2002年提出的这一核心猜想（含部分Lean验证）。 它与 P vs NP 紧密相邻，极大强化了许多NP-hard优化问题的近似硬度极限。

基础算法与去随机化：实现随机对数空间的完全去随机化(L=RL=BPL)； 矩阵乘法指数压至 ； 整数乘法和DFT跌破 时间。 围绕第102号「唯一博弈猜想」，还发生了一幕扎心的插曲。 著名学者Scott Aaronson的妻子Dana Moshkovitz，为这个猜想奋斗了整个职业生涯。 结果发布当晚，他们9岁的儿子跑去嘲笑妈妈： 「听说有个机器人，把你研究了一辈子的题解出来了！

」 《量子》杂志还披露，MIT的Dor Minzer团队在9月11日听到OpenAI的风声后，为了不被机器抢发，火速赶在OpenAI发布前放出了自己证明的相关变体。 人类数学家，已经开始和ai赛跑了。 大佬泼冷水：外城已下，城门未破 不过，最懂行的专家反而最冷静。 Lance Fortnow次日发文指出：AI对给定问题的解出率不到10%，而且这些结果没有一个让我们更接近解决P vs NP。

Scott Aaronson虽称10月6日是「数学史上最重要的日子之一」，但也点名：清单里不仅没有P≠NP，连P=BPP 这些「小一号」难题也没有——显然不是因为没试过。 他在播客中透露：OpenAI和Anthropic正用内部最强模型竞相攻克 P vs NP，但都还没成功。 冷静来看，距离破局还有四大硬伤： 1.验证远未完成：仅约42%附带Lean形式化证明，其余全靠人工。 Aaronson坦言，几乎还没有人类真正读懂其中任何一篇长证明。

2.可读性极差：Moshkovitz评价AI的唯一博弈证明，写得「糟糕到不借助AI根本读不懂」。 3.Lean不是万能的：机器只能保证推理无误，无法保证形式化定义与原问题完全一致，也无法判断结果是否重要。 4.核心路线空白：AI突破的是深度3电路和代数电路，而能推出P≠NP的「一般布尔电路下界」，依然是白卷。 终极悖论：AI就是P≠NP 的活证据？ 既然城门未破，为何依然说「AI正在逼近」？ 因为三个信号已经无比清晰。 第一，难题的「难」被重新定价。 Siegel零点的5页证明说明，有些绝境缺的没人想到的那一步。

还有多少猜想只差一层窗户纸？ 没人确定。 第二，外围阵地全面开花。 唯一博弈、电路下界、去随机化、矩阵乘法… … 这些周边阵地的里程碑被AI密集攻克，主攻方向迟早会破局。 第三，规模与速度不是人类量级。 4000个问题，平均每题3小时。 当各大实验室把下一代最强算力死死对准 P vs NP，量变极可能引发质变。 对于最终结局，学界甚至出现了有趣的押注分歧。 Aaronson依然重注 P≠NP；

但也有学者认为，如果AI真能破局，答案更可能是 P=NP ——因为让AI搜出一个巧妙算法，比用现有数学证明「不可能」，要容易想象得多。 不过，整件事最耐人寻味的幽默之处在于—— AI越强大，它本身就越像是 P≠NP 的活证据。 它耗费海量算力去「寻找」证明，人类花几小时去「验证」结果。 如果有一天，AI真的烧光算力证出了 P≠NP，那将是这个千禧年难题最完美的一次自我证明。