跳转到内容
主站 新闻 控制台

王氏猜想刚刚扩展至四维

· 量子位
国内AI

王的猜想,刚刚扩展到四维

今年 7 月,王虹与邓煜在国际数学家大会上荣获菲尔兹奖。

消息刷屏那几天,Anthropic 员工 Alek Dimitriev 在 X 上发文感叹:

“这届菲尔兹奖,将是人类最后一次拿到这个奖。”

往届得主 Timothy Gowers 随后跟帖,表示自己也有过类似的想法:

“不过这个过程存在滞后,所以我想他们大概还能撑到 2030 年。”

谁能想到,Gowers 或许还是乐观了。

10 月 7 日,OpenAI 一口气放出了 722 篇数学手稿,论文和部分 Lean 形式化证明全部上传至 GitHub。

其中编号 074 的一组仅有两篇,指向的正是王虹获奖的研究方向:挂谷猜想。

一篇声称证明了三维挂谷极大函数猜想,给出了比王虹与 Zahl 更强的版本;

另一篇则声称证明了四维挂谷猜想。

两篇手稿合计 272 页,作者栏中赫然只有一个词:OpenAI。

王虹与 Joshua Zahl 刚刚解决三维挂谷集维数猜想,AI 便迅速将相关成果推向了四维。

难道,今年这届菲尔兹奖,真的会是人类数学家的绝唱吗?

OpenAI 的两篇挂谷论文,具体做了什么?

1917 年,日本数学家挂谷宗一提出了一个经典问题:在平面上让一根长度为 1 的针掉头旋转 360 度,所需扫过的最小面积是多少?

动图封面

△ 挂谷问题示意图

Besicovitch 随后给出了一个反直觉的解答:面积可以任意小。更惊人的是,一个集合完全可以在各个方向上都容纳一根单位长线段,而其面积却为零。

面积无法作为衡量的标准,数学家便转向了更精细的标尺——“维数”。

这里的“维数”超越了日常认知中的长、宽、高。面对形态极度不规则的集合,数学家引入了 Hausdorff 维数、Minkowski 维数等现代分析工具,用于度量集合在不同尺度下的复杂程度。

一个集合的测度(体积)可以是 0,但它依然可以拥有完整的空间维数。

挂谷猜想的核心在于:在 $n$ 维空间中,只要一个集合在所有方向上都能容纳一根单位线段,那么它的维数就必须是满秩的 $n$ 维。

这一问题的难点在于,如何刻画这些极细线段的复杂交错与重叠,以及这种重叠是否可能将集合的维数压缩得更小。

△ 挂谷问题示意图

平面的二维情形早在 1971 年就由 Davies 彻底解决;然而三维情形困扰了学界半个世纪,直到 2025 年 2 月才被王虹和 Joshua Zahl 攻克。

至于四维及以上维度,此前未尝有人能给出证明。

OpenAI 此次公开的两篇手稿,分别攻克了挂谷问题的两个核心版本。

第一篇:三维挂谷极大函数猜想

这篇论文依然聚焦三维空间,但攻关的目标难度更高。

可以将其抽象为一个“管状重叠控制”问题:在三维空间中放置大量细长管道,每根管道代表针的一个朝向。

△ OpenAI 公开的三维挂谷极大函数猜想论文首页

数学家需要分析的是,当管道朝向各不相同时,它们之间的重叠程度几何,以及是否能够给出一个统一的分析估计来界定这种重叠。

王虹与 Zahl 解决的是“集合版”,探讨的是针集合并后占据空间的下界;

而 OpenAI 证明的“极大函数版”,分析粒度则更为苛刻:

将每根针加粗为细管,若每根管内仅有比例为 $\lambda$ 的部分为“实心”,那么当所有实心部分合并时,总体积能否确保不小于 $\lambda^3$ 的量级?

$\lambda$ 越小,管道越稀疏,分析控制的难度就呈指数级上升。集合版只需要一个较为宽松的 $\lambda$ 幂次上界,而极大函数版则严格要求这一幂次恰好达到 3。

OpenAI 在引言中亦明确指出:王虹和 Zahl 的定理给出的界为 $\lambda^{K(\varepsilon)}$,“将其推进至 $\lambda^3$ 的需求”正是其定理诞生后亟待突破的下一步。

这正是王虹和 Zahl 留下的后续核心问题,而 OpenAI 这篇长达 97 页的论文,声称彻底解决了它。

该突破的深层价值在于,挂谷极大函数将“各向异性管道的挤压几何”转化为了可精确计算的分析学问题。

它紧密关联着傅里叶分析的核心猜想,历来被视作解析波、频率以及空间集中现象的关键数学工具。

早在 1971 年,Fefferman 就通过构造挂谷集合的反例,证明了高维球乘子除 $L^2$ 外皆无界。自此,挂谷问题便与傅里叶限制猜想、Bochner-Riesz 猜想深度交织在一起。

第二篇:四维挂谷集的 Hausdorff 维数

在四维领域,人类此前的研究历程步履维艰:

  • 1995 年,Wolff 借助“发刷”(hairbrush)技术证明维数至少为 3;
  • 此后 Guth 和 Zahl 引入多项式方法,将界推进到 $3 + 1/40$(约 3.025);
  • 2019 年,Katz 与 Zahl 运用“平面刷”方法推至 3.059;
  • 随后的所有进展,基本都只能在小数点后二、三位上极其缓慢地挪动。

而 OpenAI 这篇 175 页的论文,声称直接将维数下界锁定在了 4。

△ OpenAI 公开的四维挂谷集 Hausdorff 维数猜想论文首页

四维空间的症结究竟在何处?Guth 曾撰文指出,王虹与 Zahl 在三维证明中使用的关键定理,推广至四维时不再成立。

因为在高维空间中,管道可能会密集聚结在低次代数曲面周围,形成三维空间中绝不存在的反例结构。

OpenAI 四维论文的核心手段正针对该瓶颈展开:利用二次多项式在不同尺度上进行局部拟合,以此精准追踪跨尺度持续聚集的线族。

在整篇手稿中,“polynomial”一词共出现了 213 次。

值得一提的技术细节是,四维证明的关键前置条件之一,正是直接引用了 OpenAI 三维论文中的核心引理。两篇论文构成了环环相扣的技术链条:三维的更强版本直接为四维铺平了道路。

从某种角度而言,它实质上是将王虹的研究成果推向了全新高度:在三维上将定理提升至极大函数级别,在四维上则直接突破了长期停滞在 3 点几的困境,一举攻克至 4。

不过,这项成果依然存在边界:四维论文仅证明了 Hausdorff 维数版本,并未解决四维极大函数猜想;对于五维及以上的高维空间,论文也仅借助投影手段给出了一个初步下界。

更为关键的是,编号 074 的这两篇核心成果既未经过 Lean 形式化验证,也未经过学术界的同行评审。

OpenAI 在项目的 README 中明确承认:部分未经形式化验证的结论“可能存在谬误”。

王虹奠定了怎样的基石?

有人推测,王虹是在 AI 取得突破前夕抢先拿下菲尔兹奖,属于某种“幸运”。

事实当真如此吗?

通读 OpenAI 这两篇论文的全文,被引用频次最高的名字之一正是王虹。

仅在三维手稿中,“Wang”一名就出现了 23 次。

三维挂谷猜想的顶峰,人类数学家已经攀登了数十年。

Katz、Łaba 与陶哲轩早就发现,极端管道构型会展现出三种基础几何结构:黏性(stickiness)、平面性(planarity)和颗粒性(graininess)。

然而数十年来,始终无人能将这些结构统一转化为严密的完整证明。

王虹与 Zahl 采取了清晰的三步攻关路线:

  • 2022 年,率先攻克“黏性”挂谷集情形,成果发表于权威顶刊《美国数学会杂志》(JAMS);
  • 2024 年,攻克 Assouad 维数版本;
  • 2025 年 2 月,发布 127 页的完备证明,一举解决了三维挂谷集猜想的 Hausdorff 维数与 Minkowski 维数两个版本。

△ 王虹与 Joshua Zahl 关于三维挂谷集猜想的论文

Nets Katz 对此评价道,这是“百年一遇的重大突破”。

在此期间,王虹还与任康联手攻克了平面 Furstenberg 集猜想,解决了调和分析领域的又一历史难题。

这些坚实的基础,悉数构成了 OpenAI 论文的技术底座。

其三维论文直接调用了 Guth、王虹与 Zahl 三人给出的简化证明(Guth 为王虹在 MIT 读博时期的导师);同时还吸收了任康与王虹关于平面 Furstenberg 集的关键估计。

其四维论文,则深度应用了王虹与 Zahl 的点积定理。

即便两篇论文最终被确认为真,它们也是在王虹搭建的理论架构之上所作的延展与深化。

更重要的是,王虹本人对 AI 的介入一直持理性开放的态度。

获奖后受访时,她将 AI 描绘为数学研究的“主动性助推器”,并强调:提出问题、抽象概念、构筑理论体系,始终是人类数学家不可替代的核心使命。

数学界的震动与博弈

眼下,人类数学界正迎来一场前所未有的范式震荡。

在传统学术范式中,一个重大数学成果的推进往往遵循漫长的周期:个人或小组历经数载推导,挂至 arXiv 预印本平台,学术同行耗时一至两年反复核验,学界逐步消化吸收。

待结论确凿无误,再历经数年检验,国际奖项方才尘埃落定。

王虹与 Zahl 走完这条严谨的学术路径,从 2022 年解决黏性情形到 2026 年荣获菲尔兹奖,倾注了整整四年心血。

然而,OpenAI 却在瞬息之间抛出 722 篇手稿。平均每个命题仅耗费约三个小时的 ChatGPT Pro 推理算力,且仅有约 42% 的成果完成了 Lean 形式化验证。

这种工业化式的批量产出,在学界激起了剧烈反弹。

陶哲轩已牵头人类数学协会(AHM)发布严正联合声明,呼吁全面审视与抵制 OpenAI 的此类行为。

声明措辞尤为犀利:

“数学界从未提出需要此类研究产出。一次性倾倒 700 多篇手稿,展现的绝非纯粹的学术贡献,而是技术权力的炫耀。”

声明最终强烈敦促全体数学家审慎参与乃至停止与 OpenAI 的合作,重新回归以人类深刻理解为根本旨归的科学研究范式。

陶哲轩本人始终是 AI 辅助科研的积极推动者,他所批判的核心,是商业机构将批量攻破经典学术难题异化为产品宣发手段。

在他看来,一道数学谜题一旦被 AI 迅速占领,便无法逆转为待解状态;而人类数学家在攻关过程中原本可能衍生出的全新方法、理论体系与深刻洞见,也可能就此夭折。

更现实的阻碍在于,学术同行评审已陷入严重的承载力瓶颈。

一篇长达 175 页的四维挂谷证明,全世界有能力深度研读的学者寥寥无几。由谁审阅、耗时几何、如何核算工作体量,目前全无共识与规范。

学术成果的归属权与命名秩序亦面临前所未有的紊乱。长期耕耘于特定分支的学者,极可能在一夜醒来后发现,自己倾注数年心血的攻关课题已被大模型“声称”提前终结。

这些由 AI 生成的证明究竟是否无懈可击尚未可知,但许多既有的科研航道已被迫改道。

当然,学界内部亦有截然相反的声音。

多伦多大学数学助理教授 Daniel Litt 认为,数学界接下来将迎来海量极具探索价值的全新工作。

Yann LeCun 也撰文呼应,指出数学正在迈入全新的纪元。

他认为,形式化证明将被高度自动化,研究重心将加速转向更高阶的概念创造、抽象构建、定义拓展与猜想提出:

“轮船的发明虽然降低了人类游泳的必要性,却引领我们驶向了新大陆。”

现代数学正伫立在新旧体系剧烈碰撞的历史节点上。旧有的研究范式面临重构,而全新规范的建立尚需时日。

前路将延伸向何方,眼下尚无定论;但科学演进的规律始终昭示着变革与重生的必然:沉舟侧畔千帆过,病树前头万木春。

Gowers 曾预言,人类大抵能支撑至 2030 年——而下一届菲尔兹奖,恰好定于 2030 年颁布。

届时,领奖台上是否还将伫立着人类数学家的身影?