AI数学，正在迎来十年前围棋界同款的「打脸时刻」。

持有类似判断的，不是别人，正是十年前推动AlphaGo项目的DeepMind联合创始人哈萨比斯。

虽说哈萨比斯最近经历了一系列身份变动——从DeepMind CEO转任谷歌首席科学家兼DeepMind董事长。

但论起AI如何改变人类认知，他仍是最有发言权的人之一。

十年前，他亲历AlphaGo凭借石破天惊的第37手，击败传奇棋手李世石。

十年后，站台AI攻入数学与科学前沿的第一现场，他又给出了一条新的判断：

如果AI能解决一个千禧年数学大奖难题，那将是「第37手级别」的重大突破。目前来看，AI达到那个水平似乎只是时间问题，我看不出为什么不会。

第37手，一个代表着人类第一次被AI打脸的时刻，由此被世人铭记。

但很少有人记得，第37手并不是那场人机大战留下的唯一答案。

两局之后，已经连输三场的李世石落下第78手。

这手棋同样只有万分之一的人类落子概率，却成功打乱AlphaGo，帮助李世石拿下五番棋中人类唯一的一场胜利。

十年后再回顾这场人机大战，不得不感慨：

人类与AI的关系，恰如这两个数字。

一个让人类重新认识AI，一个让人类重新认识自己。

让人类颜面扫地的第37手

时间拨回2016年3月，AlphaGo与李世石的五番棋大战正在韩国首尔上演。

首局较量，李世石不敌AlphaGo，出师不利。

来到第二局，全世界都在等着这位传奇棋手发起反击。

棋至中盘，李世石暂时离席，抽了根烟平复情绪，可当他重新回到棋盘前，一枚黑子已经落下。

第37手。

李世石没有立刻坐下，他站在原地盯着棋盘，几乎不敢相信自己的眼睛。

原因很简单，这步棋太不像人类了。

AlphaGo将棋子落在第五线上，偏离了职业棋手延续数百年的布局直觉。在人类围棋的常规认知里，棋子要尽可能占据高位以掌控全局，但AlphaGo偏偏落子于一块尚未发生直接战斗的区域。

现场解说最初甚至怀疑，AlphaGo是不是下错了。

负责解说的职业九段棋手Michael Redmond面对这枚黑子，良久无法判断，只能说：

我不知道这是好棋还是坏棋，它非常奇怪。

搭档则更加直接：

我以为这是一个错误。

DeepMind团队后来计算，人类棋手选择这一步的概率只有万分之一。

但随着棋局继续推进，人们才逐渐看清，这不是臭棋，这是一手从更大尺度改变战局的妙棋。

大约100手后，这枚看似落错位置的黑子，却偏偏成了AlphaGo赢下第二局比赛的关键。

后来，这个让人类集体误判的时刻，逐渐被戏称为「打脸时刻」——

原本以为是AI错了，结果错了的却是人类自己。

不过打脸之外，这一手也让全世界第一次意识到，AI不只会模仿人类下棋，它还能走出人类从未想过的一步。

而就在十年之后，「第37手」确实再度问世了，而且这一次它和一个古老的学科产生了关联：

数学。

对AI来说，围棋和数学有一个很大的共同点，那就是可验证性。

由于这些领域的逻辑和规则足够明确，所以AI可以不断重复一个简单的流程：

尝试一个想法，对其进行测试，从结果中学习，然后继续尝试，直到成功为止（强化学习那一套）。

这套机制也解释了，为什么数学会成为第一个被AI「第37手」集中轰炸的学科。

在药物研发、生物学等领域，一个想法是否有效，往往需要漫长实验才能验证。

数学不一样，证明过程可以逐步检查，对就是对，错就是错，AI因此可以不知疲倦地搜索。

就这样，随着AI能力不断增强，变化开始以年为单位加速了。

以ChatGPT的诞生为起点，2023年大模型还会被一些基础算术题绊倒，「9.11和9.9哪个大」的翻车现场一度让人啼笑皆非。

但到了2024年，DeepMind的AlphaProof与AlphaGeometry 2就已经冲进国际数学奥林匹克竞赛。

两套系统解决了6道题中的4道，拿下28分，达到银牌水平（距离当年的金牌线，只差1分）。

而短短一年后，Gemini Deep Think在正式比赛规定的4.5小时内解决5道题，拿下35分，达到IMO金牌水平。

两年时间，AI就从新手小白进阶到了IMO金牌，速度惊人。

但这还只是考场。

真正让数学界感到潮水扑面的，是AI开始从「做题」走向「研究」。

2025年，GPT-5参与解决埃尔德什问题848，提出了证明所需的关键估计。

数学家对其修正、收紧后，最终完成完整证明。

同一年，UCLA数学家Ernest Ryu借助GPT-5，为一个困扰优化理论40年的开放问题找到突破口。

在这一阶段，AI不再只是计算答案，它开始贡献关键想法。

然后，时间来到2026年，一系列重大数学问题开始取得突破。

率先扔下重磅炸弹的仍是OpenAI。

一个内部通用推理模型盯上了平面单位距离问题。这个问题由数学家保罗·埃尔德什在1946年提出，研究的是在平面上放置n个点，最多能产生多少对距离恰好为1的点。

近80年来，数学界普遍认为，正方形网格一类构造已经接近最优。

但AI直接从看似不相干的代数数论中搬来一套工具，构造出一组全新的点集，推翻了这个长期猜想。

整个证明随后经过外部数学家核验。

OpenAI称，这是通用AI首次自主解决一个在数学分支中具有重要地位的开放问题。

紧接着，Anthropic也跟了一手。

2026年7月，Anthropic数学家Levent Alpöge借助Claude Fable 5，为雅可比猜想找到一个明确反例。

一个困扰数学界87年的猜想，就这样被AI一夜证伪了。

甚至还有OA两家联手的。

就前两天，GPT-5.6和Fable 5联手，解决了一道悬置25年的数学难题。

（类似的故事不要太多……）

不过最夸张的还是谷歌，DeepMind正在把这种突破变成流水线。

其数学智能体Aletheia不再只生成一次答案，而是会反复提出证明、检查漏洞、推翻自己，再重新寻找路径。

DeepMind用它扫描了埃尔德什猜想数据库中的700个开放问题。

其中，AI自主解决了4个尚未解决的问题，还参与产出了多篇达到论文质量的数学成果。

这一尝试说明，AI已经开始成规模地搜索数学世界中的空白地带。

所以不难想象：

AI解决更多重大数学问题，就真的只是时间问题。

从解题到研究，从复述已知知识到提出未知答案，数学领域的第37手，正在接连落下。

寻找人类的第78手

而面对这个大概率即将到来的时刻，人类无疑将面对一个灵魂拷问：

如果AI还会不断走出人类从未想过的新路，人类又该怎么办？

十年前那场对决中出现的第78手，或许就是答案。

五番棋第四局，已经连输三场的李世石，将一枚白子楔入AlphaGo阵形中央。

这手棋同样偏离了常规，AlphaGo估算人类下出的概率也只有万分之一。

随后，机器乱了阵脚。

李世石最终拿下人类唯一一胜，第78手也因此被称为「神之一手」。

这场胜利并不意味着人类重新战胜了AI。

但至少说明，人类可以在理解机器之后，找到机器没有预料到的下一步。

这正是第78手留给今天的启示。

当AI越来越擅长给出答案，人类的价值将更多转向提出问题、判断方向，以及决定哪些答案真正值得寻找。

借用国际象棋中「半人马棋」的概念，也就是让人类棋手与计算机引擎共同作战。

p.s. 1997年IBM的「深蓝」击败人类世界冠军卡斯帕罗夫后，卡斯帕罗夫于1998年倡导并举办了首届「半人马象棋赛」，探索人类与AI合作的可能性。

哈萨比斯认为，科学正在进入类似的「半人马时代」：

我们正步入一个由人类与计算机共同协作的时代，我不知道这个周期会持续多久。但对于那些非常复杂的领域来说，这个时间可能会很长。比如药物研发、生物学、化学领域等，这些领域非常复杂，情况多变，而且无法验证一切。这时候就需要人类的直觉和洞察力，来决定前进的方向。

围棋后来的变化已经证明了这一点。

AlphaGo出现之后，AI迅速成为职业棋手的复盘工具，棋手可以用AI重新检查过去的定式，发现哪些经验其实并不可靠，也可以研究那些曾经被认为不合理的新走法。

一项分析超过580万步职业棋手决策的研究发现：

超级AI出现后，人类棋手的落子质量显著提高，新颖走法也变得更多。

不过事情也有另一面，那就是：

人们开始依赖AI给出答案，逐渐失去判断答案的能力。

就像李世石在退役时所说，面对一个无法战胜的对手，他已经很难继续享受曾经热爱的围棋。

这或许才是AI时代最值得警惕的问题。

当数学之外的更多领域受到AI影响，更强大的系统会让我们变得更有创造力、更高效，也更像人类吗？

还是会让人们放弃努力？

未来，AI还会不断落下第37手。

剩下的问题是，人类能不能找到自己的第78手。

参考链接：

[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