OpenAI撼动计算机科学基石：破解挂谷猜想与ETH证伪全解读|AI资讯

type

status

date

slug

summary

证伪ETH：计算机科学30年理论基石的动摇

在计算复杂性理论中，P与NP问题被公认为世纪难题，而为了刻画NP完全问题的具体计算难度，1990年代末，Russell Impagliazzo、Ramamohan Paturi与Francis Zane共同提出了著名的指数时间假设（ETH）。

ETH的核心假设非常直观：以经典的3-SAT问题（布尔可满足性问题）为例，随着变量数量 $n$ 的增加，不存在任何可以在亚指数时间 $2^{o(n)}$ 内解决最坏情况实例的算法。近30年来，ETH成为理论计算机科学界构建计算下界的基石，数百篇涉及图算法、数据库检索、计算生物学和参数复杂度的经典论文均以ETH为真作为前提条件。

然而，OpenAI展示的模型推理成果打破了这一固化认知。该模型针对固定宽度的CNF布尔公式，不仅构造出了一种能在亚指数时间——具体界限达到 $2^{O(n/\sqrt{\log n})}$ 内运行的确定性判定算法，还能精确计算满足条件的赋值数量。

如果这一算法经形式化与同行评审被最终确认，意味着长达数十年的计算下界防线被撕开了一道缺口。颇具戏剧性的是，OpenAI已经邀请了ETH最初的提出者Impagliazzo与Paturi，以及计算复杂性专家Ryan Williams等人组成独立的同行评审小组，亲自复核这份针对自己理论成果的“AI反证”。

从局部光滑化到所有维度挂谷猜想的数学飞跃

挂谷猜想（Kakeya Conjecture）起源于一个经典的几何极值问题：一根长度为1的针在空间中完成360度旋转，所扫过的最小集合测度与维数是多少？这个看似简单的趣味几何问题，在过去一个世纪演进成为调和分析、几何测度论和偏微分方程交叉领域的核心圣杯。

此前，数学界在三维挂谷集合的维数猜想上刚刚由王虹（Hong Wang）与Joshua Zahl取得突破，而OpenAI早前的手稿仅声称处理了三维与四维的情形。但在此次新公布的研究中，模型改变了突破路径，转而攻克了数学家Christopher Sogge在1991年提出的局部光滑化猜想（Local Smoothing Conjecture）。

局部光滑化关注波动方程在时间积分下的奇异性耗散规律，它与傅里叶限制估计、挂谷集合的几何结构有着密不可分的数学同构。OpenAI的大模型通过构造出一种全新的辅助偏微分方程系统，将局部光滑化猜想直接推进至所有空间维度。依据调和分析领域既有的理论链条，这一结果自然推导出了所有空间维度下的挂谷猜想与Stein限制猜想。

更为关键的是，该研究不仅输出了自然语言手稿，还同步利用Lean定理证明器完成了机器形式化验证。这展示了LLM在结合形式化数学系统后，不仅能够减少幻觉，还能提供逻辑上无懈可击的纯数学推演。

构筑微观基石：四维相互作用量子场论的数学存在性

在物理学维度，理论计算与严格数学公理之间长期存在一道鸿沟。以描述强相互作用的量子色动力学（QCD）和标准模型中的非阿贝尔规范场为例，虽然其微扰计算在粒子物理对撞实验中取得了极高精度的成功，但在纯数学层面，如何为四维时空下的相互作用量子场论建立严格的测度与存在性公理，困扰了数学物理界半个多世纪。

千禧年七大数学难题之一的“杨—米尔斯存在性与质量间隙”正是这一困境的体现。OpenAI声称，其内部模型沿着数学物理学者Tadeusz Balaban的构造性量子场路线，成功证明了包含规范场与费米子的四维相互作用量子场论的严格数学存在性。

目前，包括2004年诺贝尔物理学奖得主David Gross以及千禧年难题表述撰写者Arthur Jaffe在内的世界顶尖物理学家工作组，正在对长篇原始证明进行解读与重构。AI在这里扮演了“理论开拓者”的角色，将极度繁复的跨尺度重整化群估计推进到了人类学者此前难以企及的深度。

范式重塑：AI不仅是工具，更是“原始研究数据”发生器

回顾本次科研成果的发布脉络，除了问题本身的学术高度，更引人深思的是OpenAI与学术界协同方式的变化。

在以往的人工智能辅助科研中，研究者通常将模型视为加速计算或撰写Prompt辅助归纳的工具。而在本次事件中，OpenAI将AI生成的定理与推导定义为“原始研究数据（Raw Research Data）”：

生成与理解的解耦：AI可以在极短时间内利用强化学习与符号推理穷尽路径并生成形式化Lean代码，但将这些符号转化为人类可理解的直觉、物理图像与教学体系，仍需顶尖人类科学家的参与。

多层级的验证机制：对于数学领域，直接公开Lean代码交由开源社区验证；对于计算复杂性，联合原假说提出者建立开放独立审查；对于物理学，则交由顶级专家组重新梳理成典范论文。

消除学术功利性：OpenAI承诺不争夺传统学术署名，支持科学界的独立审查，为AI新闻与科研界的健康合作设立了新的伦理标杆。

结语与未来展望

从探讨基础语法与生成式逻辑，到攻克千禧年难题与掀翻计算复杂性理论的30年基石，OpenAI的这一跃进证明了前沿大模型正在演化为货真价实的科学探险先锋。

虽然相关证明的最终有效性仍有待全球数学家与物理学家的同行评审完全落地，但可以确定的是，科学研究的“人机共创时代”已经无可逆转地到来了。在这一波波澜壮阔的技术浪潮中，紧跟前沿进展、掌握大模型底层逻辑将成为每一个科技关注者的必修课。想要获取更多第一手前沿大模型资讯与行业深度报道，欢迎持续锁定专业权威的科技动态前沿。