Anthropic LLM 助攻,數學百年難題獲重大進展

文章摘要

Anthropic 公司近日宣布,其一款尚未發表的語言模型在數學上百年難解的黎曼猜想(Riemann hypothesis)研究上取得重大進展,顯著提升了猜想成立的下限。此突破由一名數學背景不深的 Anthropic 員工,引導模型在一日半內,協調 60 個子代理(subagents)完成,總計產生 3,100 萬個輸出 token,並測試了 650 種解決方案。其中,2 個子代理負責核心數學概念,13 個提供想法,30 個嘗試但失敗,13 個驗證正確性,另 2 個協助撰寫報告。此進展由 Anthropic 內部數學家確認,並使用 Lean 證明輔助工具形式化。此事件是近期大型語言模型(LLMs)在數學領域取得突破的最新例證,包括解決 Erdos 問題、OpenAI 的 Astra 模型與 Anthropic 證偽 Jacobian 猜想。然而,此類 AI 輔助的數學發現引發了學術界的興奮與擔憂,部分數學家擔憂 AI 可能削弱「可歸屬作者」的學術標準,但也有學者認為 AI 可能為數學帶來更複雜正面的影響。目前,黎曼猜想仍有 100 萬美元的懸賞獎金,待領取。

AI 大叔解析

【核心判斷】
Anthropic 這回秀肌肉,是用他們未公開的 AI 模型,在黎曼猜想這個卡關一百五十年的數學難題上,成功將「解的下限」往前推進了一大步。說穿了,就是讓更多數字符合這個猜想的條件,而不是一次性把整個猜想給證明出來。這個突破點在於它的「多代理協作」架構,讓 AI 像個小型團隊一樣,分頭測試了 650 種解法,總共花費 3,100 萬個 output tokens,在一天半內動員了 60 個子代理來完成這個大規模的試錯探索。這種讓非數學專業的人也能「提示」AI 進行複雜科學探索的方式,顯示 AI 在研究輔助上的潛力。

現在的限制並沒改變,它仍是個「未被完全證明」的數學世紀難題,百萬美元獎金也還沒被領走。而這套系統最大的瓶頸,是目前看來仍處於「研究階段(Research Stage)」。我們看到的是一個資源密集型的實驗成果,3,100 萬個 token 的計算量,對於每一次的科學探索來說,這背後的成本代價有多高?模型何時能釋出?這些資訊都沒有公布。這還不是一個可以讓一般研究者隨插即用、穩定產出完整證明的通用工具。

【毒舌吐槽】
聽起來好像很猛,非數學專業人士提示一下,模型自己跑一天半就「重大進展」了。欸,這不就是把過去靠人類腦力激盪、大量紙筆運算、耗時數年的工作,變成讓 AI 跑好幾千萬個 token、動用 60 個子代理,然後還是沒完全解開嗎?說白了,就是把「人力時間成本」轉嫁到「算力電力成本」上。而且,這個「as-yet-unreleased model」也真是老梗了,每次大公司發表這種研究成果,都嘛是講得天花亂墜,但實際什麼時候能用到、怎麼用、多少錢,就跟你說「敬請期待」。這種只聞樓梯響的「里程碑」,我們這些實務派的,還是比較想看到真正能落地、能用的東西啦。

【為什麼重要?】
這次 Anthropic 的研究,真正值得我們注意的是它展示的「AI 代理協作」模式,這有點像一個自動化的研究團隊。在 60 個子代理裡面,有負責發想的、有負責貢獻點子的、有負責驗證的,甚至還有幫忙寫初步論文的。這說明 AI 不再只是單純的計算器或文章生成器,而是能透過多代理系統(multi-agent system)來「規劃、執行、評估」複雜任務,這對未來 AI 在科學研究、工程設計,甚至軟體開發上的潛在應用,打開了一個新的想像空間。

雖然現在成本還很高,而且離實際應用還有距離,但這種能將複雜問題拆解、協作處理的模式,長期來看,可能會改變科學研究的效率與範式。尤其對於那些需要大量試錯、組合不同策略的探索型問題,AI 的這種能力可以大幅壓縮實驗週期,讓人類研究者把精力放在更深層次的理論突破上,而不是重複性的驗證工作。未來這種探索成本如果能顯著下降,搞不好我們真能看到更多原本卡關的數學或科學難題,被 AI 這樣「試」出突破口。

【影響對象與建議】
* **數學研究人員:** 這種 AI 輔助證明雖然未完全解決問題,但其大規模探索與驗證能力,值得研究者們開始思考如何將 AI 納入自己的研究工具箱,特別是在尋找反例、測試假設或大規模驗證時。
* **AI 系統架構師與研究員:** Anthropic 的多代理協作架構提供了寶貴的參考範本。未來設計更複雜的 AI 應用時,應多考慮如何將任務拆解成子代理、建立協作機制及結果驗證流程,以提升 AI 解決複雜問題的能力。
* **企業高層與創新主管:** 評估公司內是否有需要大量試錯、探索潛在解決方案的研發專案,可開始投入資源研究這種多代理 AI 系統,探討其在加速產品開發、材料科學或藥物研發等領域的應用潛力。

【一句話總結】
Anthropic AI 靠多代理架構在數學百年難題上取得進展,展示 AI 探索潛力,但離完整證明與實際應用還早。

【逆風觀點】
這則新聞雖然展現了 AI 的潛力,但也凸顯了數學界對 AI 輔助證明「歸屬權」的深層憂慮。原文提到有數學家質疑,若證明不再歸屬於特定作者,可能削弱領域的核心價值。雖然 Gowers 認為這不見得是問題,但這確實是個關鍵的哲學與學術倫理假設,目前仍未被證實是否會對數學社群帶來正面影響,或者只是降低了人類的創新榮譽感。這套系統目前也尚未證明其成果能完全獨立於人類的專業審視與驗證,畢竟成果仍需內部數學家確認與 Lean 輔助形式化。

想更了解這個話題?