丘成桐新论文致谢了GPT和Claude

AI不可能对最尖端的数学家有任何影响……吗？说出这句话的丘成桐，现在已经用上AI辅助研究了。

而且解决的问题，还是44年前他亲自列入自己的问题清单的。

丘成桐参与的最新论文，在致谢里感谢了GPT 6 Astra和Claude Pro，说它们帮忙探索了部分证明思路和计算。

这篇论文处理的是微分几何里的一个经典猜想。

问题关注的是七维空间，当中的球面有28种不同的「版本」，其中27种和我们熟悉的球面微妙地不同，数学上叫「怪球」。

数学家一直想知道，这些怪球能不能像普通球面一样，每个地方都均匀地向内弯。

怪球1956年就被发现了，但这个弯曲的问题悬了70年。丘成桐1982年把它列进自己的问题清单，排第二位。

现在，这篇AI辅助的论文终于给出了答案。

1956年，美国数学家米尔诺（John Milnor）构造出了一种奇怪的东西。

它和标准的七维球面在拓扑上完全一样，你可以把它想象成一团橡皮泥，随便揉捏、拉伸，都能变成普通的球面。

但是如果你禁止揉捏，只允许光滑地变形，也就是每一个点的移动方式都平缓过渡、不许有突变，它就变不回去了。

这种球面和标准球面形状一样，手感不同，数学上叫做怪球（exotic sphere）。

米尔诺凭借这个发现拿了菲尔兹奖。

七年之后，科维尔（Kervaire）和米尔诺证明，七维空间里这种光滑版本一共有28种。

标准球面算其中一种，其余27种都是怪球，这28种构成一个代数结构，数学上记作Θ₇ ≅ Z/28Z。

标准球面有一个很好的性质，它的截面曲率（sectional curvature）处处为正。

通俗地说，就是这个球面的每一小块、从每一个角度去看，都是向内弯曲的，没有任何一个地方是平的或者向外翻的。

数学家自然想知道，另外那27个怪球，能不能也做到这一点。

最先取得突破的是格罗莫尔（Gromoll）和迈耶（Meyer）。1974年，他们在一个怪球上构造出了非负曲率的度量。

也就是说，这个怪球的每一小块要么向内弯，要么刚好是平的，但不会向外翻。

2020年，格特（Goette）、凯林（Kerin）和尚卡尔（Shankar）把这个结果推广到了全部28种球面，证明每一种都能配上非负曲率的度量。

但从非负到正，也就是从允许有些地方不弯到每个地方都必须弯，中间还差最后一步。这一步看似微小，实际上卡了数学界半个多世纪。

2008年，彼得森（Petersen）和威尔海姆（Wilhelm）曾经发布预印本声称在一个怪球上做到了正曲率，但他们的证明始终没有通过同行评审。

丘成桐参与的这篇论文宣称补上了从非负到正的这一步，它证明28种七维球面，每一种都能配上截面曲率严格为正的度量。如果这个结果最终被数学界接受，那么这个悬了许久的问题，将被彻底解决。

丘成桐对AI的态度，这几年经历了一条清晰的变化轨迹。

2023年4月，在复旦大学出席浦江科学大师讲坛前夕，他曾表示，AI不可能对最尖端的数学家有任何影响，它还只能把现有的资料融会贯通，很难形成科学观念上的突破。

2024年4月，他在中关村论坛上的说法稍微软化了一些，他对AI的看法从不会有任何影响，变成了对数学有很多好处，可以帮助数学的发展，不过他坚持认为AI不可能改变数学。

到了今年，他的口风已经明显不同。

1月份在世界华人数学家大会上，他说AI改变的是科研效率，但还谈不上范式革命；

6月份，他又说AI能解很多nice, cute questions，但离改变整个数学的突破还很远；

7月份在国际弦理论大会上，他已经主张学生应该尽早学习使用AI工具，认为查资料、找文献、归纳总结这些事情，AI都能帮上忙。然后就是这篇论文，他和两位合作者在致谢里感谢了ChatGPT 6 Astra和Claude Pro在部分证明策略的探索和计算中提供的帮助。

论文紧接着补了一句，人工验证和论文写作的责任由作者自己承担，尽管依然克制，但和三年多之前的那句不会有任何影响相比，丘已经不再把AI挡在自己的研究之外了。

总之，AI在数学界的存在感已经强到让顶尖数学家集体表态。

陶哲轩是这一波AI浪潮里最早拥抱AI的顶尖数学家，他把AI当作研究助理，用它辅助代码生成、文献检索和形式化证明验证。

但他和今年的菲尔兹奖得主邓煜等25位菲尔兹奖得主联合发表了一份声明，警告AI公司把解决数学问题当作benchmark来冲刺的做法，与数学共同体的目标已经出现严重偏移。

在他们看来，数学研究的核心追求是概念理解与洞见，解题只是实现这个目标的工具。

丘成桐也表达过相似的观点。

就在论文发出四天之前，他表示，AI能够汇集既有知识、推动常规工作，但人往往因为已经得到想要的答案，反而不敢去问更重要的问题。他认为，AI无法替代人类独有的原创思考和瞬时迸发的灵感。

丘成桐和陶哲轩对AI的关切，其实是相通的，他们都在追问同一件事，就是当AI越来越能解题，数学家还愿不愿意继续去问那些AI解不了的问题。