OpenAI model proves that Landau-Siegel zeros do not exist; academia discusses its distance from P≠NP
English text is being prepared.
OpenAI's internal model produced a proof that "Landau-Siegel zeros do not exist"; the original proof was 8 pages, and mathematicians subsequently compressed it to 5 pages. On October 6, OpenAI released 722 manuscripts on GitHub (withdrawing 3 the next day), grouped into 372 result families; the internal model attempted about 4,000 open problems, averaging about 3 hours of ChatGPT Pro compute per problem. Lance Fortnow pointed out that AI's solve rate for given problems is less than 10%, none of these results brought academia any closer to solving P vs NP, and only about 42% came with Lean formal proofs.
Why read this
AI score 74
The original article outlines the scale of math manuscripts mass-produced by OpenAI's internal model and the academic community's skepticism, so readers can judge the real boundaries of progress in AI conquering open problems.
Topics
Body
人类卡了几十年的数论悬案,AI仅用8页纸就给秒了?
这两天,整个数学界和计算机圈,都陷入了巨大震撼。
10月18日,斯坦福大学数论学家Jared Duker Lichtman在X上的话,瞬间引爆全网——
「此类证明的存在,强烈暗示了 P≠NP 。」
这句话的导火索,是OpenAI内部模型刚交出的逆天答卷——「不存在Landau-Siegel零点」的证明。
这道解析数论里卡了几十年的关键难题,学界公认极难。
结果,OpenAI不仅做出来了,原始证明竟然只有8页!
更刺激的还在后面。顶尖数学家们迅速跟进:
密苏里大学的Bill Banks先写了一份19页的详细拆解;
紧接着,Bryce Kerr利用双二次扩张
和Masser的经典结果,把证明压缩到了6页;
随后,牛津大学教授Ben Green再砍一刀,直接给出了5页纸的终极版本!
从几十年的无解绝望,到短短5页纸。伦敦玛丽女王大学教授Abhishek Saha发出了灵魂拷问:
如果这个问题只要5页就能证明,为什么数学家们几十年都错过了?
寻找如登天,验证如喝水
为什么5页纸的数论证明,会让斯坦福教授直接联想到计算机科学的圣杯—— P vs NP ?
道理很简单。
一份5页的证明,任何专家花几小时就能读完验证;但为了这5页纸,人类最聪明的大脑却苦苦摸索了几十年。
「寻找极难,验证极易。」 这八个字,恰恰就是P≠NP 的底层直觉!
在评论区,Anthropic研究员Joshua Batson一针见血地指出——
玩笑背后,是一个极其严肃的拷问:当AI几周内交出700多篇数学手稿,千禧年神题 P vs NP,是不是也快了?
三道高墙,锁死人类五十年
用一句话解释 P vs NP:能快速验证答案的问题,是否都能快速算出答案?
P是「能快速求解」的问题,NP是「能快速验证」的问题。
数独、排课、破解密码都属于 NP:给你答案,一秒就能检查对错;但从零开始找,只能近乎穷举。
如果 P=NP ,现代密码学瞬间崩塌,全球金融裸奔,但所有复杂难题都将迎来终极捷径;
如果 P≠NP ,则意味着宇宙存在本质上无法走捷径的难题。
这个问题自1971年提出,悬赏100万美元。绝大多数科学家相信 P≠NP ,但五十多年来无人能证。
难在哪?因为人类不仅没找到钥匙,反而证明了现有的开锁工具注定无效。
这就是著名的三道「屏障」:
1.相对化屏障(1975):靠模拟与对角化的经典方法,根本不可能解决它;
2.自然证明屏障(1994):大多数电路下界的证明套路,若能证出P≠NP,就会顺手破解伪随机数生成器,自相矛盾;
3.代数化屏障(2008):连带代数技巧的升级版方法,也被证明火力不足。
今年6月,复杂性理论学者Lance Fortnow悲观地表示:目前人类连一条可行的攻击路线都没有。
他建议挑战者先去证「SAT没有平方时间算法」这种简单得多的问题,然后补刀说:「你在那里也不会成功。」
10月6日,OpenAI在GitHub一次性放出了 722篇手稿(次日撤回3篇),归为 372个结果家族。
内部模型尝试了约4000个开放难题,平均每题仅耗时约3小时的ChatGPT Pro算力。
其中,理论计算机科学占了40个家族。虽然没直接干掉 P vs NP,但好几篇都精准砸在了通往它的主干道上。
今年 6 月,复杂性理论学者 Lance Fortnow 写道:除了模拟,我们对通用多项式时间算法毫无办法;电路复杂性、证明复杂性、代数几何等路线,都卡在远低于多项式时间全部能力的地方。他的结论是,目前连一条可行的攻击路线都没有。巧的是,OpenAI 这次的六个结果,恰好在每一条上都插了旗
第112号家族(深度3电路下界):证明 P vs NP最被看好的路线,是证明某个 NP 问题需要「超多项式大小的电路」。人类在深度3电路的显式下界上长期卡在
第102号家族(唯一博弈猜想,UGC):证明了Subhash Khot在2002年提出的这一核心猜想(含部分Lean验证)。它与 P vs NP 紧密相邻,极大强化了许多NP-hard优化问题的近似硬度极限。
基础算法与去随机化:实现随机对数空间的完全去随机化(L=RL=BPL);矩阵乘法指数压至
;整数乘法和DFT跌破
时间。
围绕第102号「唯一博弈猜想」,还发生了一幕扎心的插曲。
著名学者Scott Aaronson的妻子Dana Moshkovitz,为这个猜想奋斗了整个职业生涯。结果发布当晚,他们9岁的儿子跑去嘲笑妈妈:
「听说有个机器人,把你研究了一辈子的题解出来了!」
《量子》杂志还披露,MIT的Dor Minzer团队在9月11日听到OpenAI的风声后,为了不被机器抢发,火速赶在OpenAI发布前放出了自己证明的相关变体。
Lance Fortnow次日发文指出:AI对给定问题的解出率不到10%,而且这些结果没有一个让我们更接近解决P vs NP。
Scott Aaronson虽称10月6日是「数学史上最重要的日子之一」,但也点名:清单里不仅没有P≠NP,连P=BPP 这些「小一号」难题也没有——显然不是因为没试过。
他在播客中透露:OpenAI和Anthropic正用内部最强模型竞相攻克 P vs NP,但都还没成功。
冷静来看,距离破局还有四大硬伤:
1.验证远未完成:仅约42%附带Lean形式化证明,其余全靠人工。Aaronson坦言,几乎还没有人类真正读懂其中任何一篇长证明。
2.可读性极差:Moshkovitz评价AI的唯一博弈证明,写得「糟糕到不借助AI根本读不懂」。
3.Lean不是万能的:机器只能保证推理无误,无法保证形式化定义与原问题完全一致,也无法判断结果是否重要。
4.核心路线空白:AI突破的是深度3电路和代数电路,而能推出P≠NP的「一般布尔电路下界」,依然是白卷。
第一,难题的「难」被重新定价。 Siegel零点的5页证明说明,有些绝境缺的没人想到的那一步。还有多少猜想只差一层窗户纸?没人确定。
第三,规模与速度不是人类量级。 4000个问题,平均每题3小时。当各大实验室把下一代最强算力死死对准 P vs NP,量变极可能引发质变。
对于最终结局,学界甚至出现了有趣的押注分歧。
Aaronson依然重注 P≠NP;但也有学者认为,如果AI真能破局,答案更可能是 P=NP ——因为让AI搜出一个巧妙算法,比用现有数学证明「不可能」,要容易想象得多。
不过,整件事最耐人寻味的幽默之处在于——
AI越强大,它本身就越像是 P≠NP 的活证据。
它耗费海量算力去「寻找」证明,人类花几小时去「验证」结果。
如果有一天,AI真的烧光算力证出了 P≠NP,那将是这个千禧年难题最完美的一次自我证明。
本文来自微信公众号“新智元”,作者:ASI启示录,36氪经授权发布。