AI证伪30年图论猜想：人类数学家的终局还是新起点？

悬案崩塌：当AI给出“致命”反例

在数学研究的漫长历史中，某些猜想如同灯塔，指引着几代学者的探索方向。然而，当这些灯塔被证明是海市蜃楼时，其冲击力往往不亚于发现新大陆。2026年7月，图论领域发生了一起震动学术圈的事件：GPT-5.6 Pro证伪了困扰学界三十年的Dinitz-Garg-Goemans猜想。这一事件不仅刷新了人工智能在复杂逻辑推理上的能力边界，更引发了关于人类智力在AI时代定位的深刻讨论。

Dinitz、Garg和Goemans在早期研究中确立了一个关于流网络的重要结论：只要存在满足容量限制的分数流，就必然存在一个不可分割流，其代价最多超出“最大需求”的容量限制。Goemans随后提出的自然猜想是，能否在控制容量违规的同时，也严格控制成本？这一“成本版”猜想自2023年作为开放问题提出以来，始终无人能解。然而，GPT-5.6 Pro给出的答案简洁而残酷：它构造了一个包含三个终端的反例图。在这个图中，分数流的成本仅为58，而任何容量违规不超过15的不可分割流，成本至少为60。58小于60，猜想不攻自破。

这一反例的精妙之处在于其结构。三个终端分别有15、10、15的需求，每个终端都有一条零成本的“便宜路”和一条成本30的“贵路”。关键在于，这三条便宜路两两冲突，任意选择两条都会导致某条边超容。因此，合法方案最多只能使用一条便宜路，其余终端被迫走贵路，导致总成本至少为60。而分数流可以通过1/3、2/5、1/3的比例同时利用这三条路，将成本降至58。这本质上对应了组合优化中的三角形稳定集不等式：整数解满足z₁+z₂+z₃≤1，而分数解的和为16/15，大于1。这种从深层结构理解问题并构造结构化反例的能力，展示了AI在数学直觉上的惊人潜力。

算法发现的范式转移

推翻这一猜想的Dmitry Rybin，其背景本身就极具代表性。作为拥有香港中文大学（深圳）机器学习博士学位及国际大学生数学竞赛金牌的学者，他并未局限于传统的纯数学研究，而是投身于AI驱动的算法发现领域。他的GitHub仓库“用OpenEvolve做算法发现和优化的实验”，正是这一趋势的缩影。

Rybin与GPT-5.6 Pro的交互过程揭示了人机协作的新模式。在整个对话中，Rybin仅提供了三次关键指导：首先，要求模型构造一个结构化的反例以寻求突破；其次，强调策略需源于对问题结构的深层理解；最后，在部分结果基础上，要求直接给出无条件、完整的反例。这种“人类定义方向，AI执行探索”的模式，极大地提高了研究效率。Rybin此前在矩阵乘法转置算法优化及因果注意力计算加速方面的成果，也证明了AI在基础算法优化中的巨大价值。

这种范式转移的核心在于，AI不再仅仅是计算工具，而是成为了具备“假设-验证”能力的科研伙伴。在传统的数学研究中，构造反例往往依赖于学者的灵光一现或长期的直觉积累。而AI通过遍历巨大的搜索空间，结合对问题结构的语义理解，能够快速定位到人类难以察觉的边界情况。这种能力在组合优化、图论等离散数学领域尤为突出，因为这些领域的解空间虽然离散，但结构复杂，人类直觉容易陷入局部最优或思维定势。

多智能体协作：破解Erdős难题的新路径

与此同时，另一项令人瞩目的成果来自哥伦比亚大学博士Shouqiao Wang。这位北大数院出身的华人校友，利用GPT-5.6 Sol配合Codex工作流，在5天内成功解决了6道此前标记为开放的Erdős问题。这一成果的成功率约为46%（尝试13题），其中一道题甚至连续运行了32小时。值得注意的是，其中一道题目曾由陶哲轩研究但未解，这进一步凸显了该工作流的强大能力。

Wang的方法论可以拆解为三个核心步骤：选题筛选、定义验证标准、对抗性审计。在选题阶段，他仅选择数学家正在讨论且与重大猜想紧密相关的问题，排除那些与核心猜想无关的分支。在定义验证标准时，他要求模型精确重述问题，明确证明必须确立的条件，并列出哪些较弱结论不算数，从而避免模型“偷换概念”。最后，他引入独立的对抗Agent，对每一个候选结论进行挑战。整个过程形成了一个闭环：尝试、失败、诊断、换路线、写证明草稿、对抗审计、修补。模型在反复推翻自己、攻击自己论证的过程中，逐渐逼近真理。

这种多智能体协作机制（Multi-Agent Collaboration）是AI数学研究的关键突破。传统的单模型生成往往存在幻觉或逻辑漏洞，而引入对抗性Agent后，系统能够自我纠错。这种“生成-批判-修正”的循环，模拟了人类学术共同体中的同行评审过程，但速度更快、覆盖面更广。Wang虽然拥有深厚的数学背景，但他强调这套工作流并不依赖极深的数学知识，这意味着AI正在降低高水平数学研究的门槛，使更多具备计算思维的人能够参与到前沿探索中。

人机共生：从“替代”到“增强”

随着AI在数学证明和算法发现上的表现日益卓越，圈内流传着“人类最后一届菲尔兹奖”的说法。这种观点认为，纯人类智力的巅峰时刻可能已经过去。然而，这种悲观论调忽视了AI与人类关系的本质变化。AI并未终结人类的智力探索，而是将其推向了更高的维度。

首先，AI处理的是“已知结构的扩展”，而人类擅长的是“新范式的创造”。GPT-5.6 Pro能够证伪猜想，是因为它基于已有的数学理论和结构进行推理。但提出新的数学分支、定义全新的概念体系，仍然需要人类的直觉和创造力。AI是强大的放大器，它放大了人类在逻辑推理和模式识别上的能力，但无法替代人类在科学哲学和美学层面的判断。

其次，人机协作正在重塑科研生态。从Rybin的算法优化到Wang的多智能体工作流，我们可以看到，未来的数学家不再是孤军奋战的个体，而是AI系统的指挥者。他们需要具备跨学科的知识结构，既懂数学原理，又懂AI工作流的设计。这种“超级个体”的出现，将极大加速科学发现的进程。

此外，AI的介入也带来了新的伦理和方法论挑战。如何验证AI生成的证明？如何确保AI没有利用人类未知的捷径？这些问题需要新的数学工具和验证机制。例如，形式化验证（Formal Verification）与AI的结合，可能成为未来数学研究的标准流程。AI生成草稿，形式化系统验证逻辑严密性，人类负责解释和升华。这种分工将确保数学研究的严谨性。

结语：智力的新边疆

GPT-5.6 Pro证伪图论猜想和Shouqiao Wang破解Erdős问题，并非孤立事件，而是人工智能进入“认知增强”阶段的标志。AI正在从工具演变为伙伴，从执行者演变为协作者。这一转变不仅改变了数学研究的方式，也深刻影响了我们对智力、创造力和人类独特性的理解。

在这个新阶段，人类的价值不在于与AI比拼计算速度或记忆容量，而在于提出正确的问题、定义有价值的目标、以及在混沌中寻找意义。AI负责探索未知的疆域，人类负责绘制地图并赋予其意义。这种共生关系，不是人类的终局，而是智力探索的新起点。未来的数学史，将不再区分“人类发现”与“AI发现”，而是记录“人类-AI协作发现”的辉煌篇章。我们正站在这一历史转折点上，见证着科学探索方式的根本性变革。