AI能解数学猜想，为何造不出爱因斯坦的电梯？揭秘科学创新的最后一块拼图

最近，数学界因一位年轻女性的成就而沸腾，同时也因人工智能的介入而引发了一场关于“创造力本质”的激烈辩论。35岁的数学家王虹凭借对三维挂谷猜想的证明获得菲尔兹奖，其127页的严谨推导成为人类智慧的巅峰象征。然而，在社交媒体上，另一股力量正以截然不同的方式震撼公众：OpenAI的GPT-5.6 Sol Ultra仅用3页便解决了困扰学界半个世纪的圈双覆盖猜想，Anthropic的Fable 5更是迅速找到了推翻87年历史的雅可比猜想反例。这些案例让外界产生了“AI无所不能”的错觉，甚至出现了“一次提示推翻历史”的夸张叙事。

但冷静审视这一现象，我们会发现一个深刻的悖论：尽管AI能在既定框架内高效地完成复杂的逻辑演绎，甚至通过强化学习在形式化证明上超越人类，但它却始终无法复刻爱因斯坦脑中那台著名的“电梯”。1907年，爱因斯坦通过“电梯思想实验”，意识到引力与加速度在局部不可区分，从而诞生了等效原理，这一灵感被誉为他“一生中最幸福的想法”。然而，Google DeepMind的研究员Tom Zahavy将这台“电梯”搬给AI时，得到的答案是否定的。最新的立场论文《LLMs can’t jump》直白地指出，大语言模型无法完成科学发现中最关键的那一次“创造性跳跃”。

要理解这一局限，我们需要重新审视人类认知的三重境界。美国逻辑学家查尔斯·桑德斯·皮尔士将人类推理分为归纳、演绎和溯因。归纳是从大量数据中寻找规律，例如观察到无数次苹果落地后总结出“物体受重力吸引”，这正是当前大模型赖以生存的基石；演绎则是基于既定公理进行逻辑推导，如AI利用Lean等工具进行严密证明，这代表了人类在已有规则内的极致算力；而溯因，则是面对未知或异常现象时，跳出原有框架，提出全新假说的能力，即“规则+输出 -> 新输入”。

科学史上的重大突破，本质上往往是一次溯因的跳跃。以广义相对论的诞生为例，当时物理学界并未面临海量异常数据的压力，牛顿力学在绝大多数情况下依然有效。爱因斯坦并非通过压缩数据发现规律，而是通过具身模拟，将自己置身于虚拟的电梯中，感知空间与加速度的身体感觉，从而完成了从感官经验到全新公理体系的飞跃。这种将抽象符号锚定在物理感官体验中的能力，是纯文本训练的大语言模型所缺失的。LLM本质上是一个高维空间中的“中文屋”，它处理的是Token间的统计概率，缺乏与真实物理世界的感知互联，更不具备在脑海内部模型中进行“剪断缆绳”式的反事实干预能力。

这种缺陷不仅体现在理论突破上，也反映在生成式视频中。视频模型生成苹果掉落，仅仅是因为训练数据中像素变化的统计延续，而非模型内部建立了重力规则。DeepMind的研究强调，要实现真正的科学创新，必须将AI从“被动的视频预测”升级为“主动的可控模拟”，赋予其类似人类的具身感知和反事实推演能力。否则，无论算法如何优化，AI都只能在已有知识的边界内打转，无法触及科学发明的核心。

即便假设AI未来真能实现这种“跳跃”，数学界是否准备好了承接这样的成果？2026年国际数学家大会上，陶哲轩发表了题为《人工智能时代的数学》的演讲，提出了一个更为现实且紧迫的问题。他假设AI很快能以低成本完成研究级数学任务，但追问数学界追求的本质究竟是什么。如果仅以解决未解题为目标，AI确实在加速这一进程，但数学研究更深层的价值在于建立理论、理解世界以及知识的沉淀。

陶哲轩指出，证明只是第一步，随后的“证明消化”——包括同行评审、文章撰写、知识整合及教学传播——依然高度依赖人类。随着AI生成证明的速度激增，数学界正面临从“证明稀缺”转向“证明过剩”的风险。大量经过验证的证明堆积如山，但缺乏清晰的理解和有效的理论构建，反而可能成为知识传播的新瓶颈。因此，他建议学界应减少对其“第一个解出”的奖励，转而表彰那些能够清晰讲解、验证和整理知识的贡献者。

这一观点揭示了AI时代科研范式的根本转变。科学发现不仅仅是答案的生成，更是知识的公共化与社会化过程。AI或许能按下电梯按钮，推导出新的物理定律，但它无法独自完成向黑板前所有观众解释“苹果为何飘起”的社会化传播。这种解释、质疑与重构的过程，是人类智慧不可替代的核心领域。

综上所述，尽管AI在归纳与演绎上表现出惊人的效率，甚至在某些形式化证明中超越人类，但其在溯因推理、具身感知及反事实推演上的缺失，使其难以真正复制科学史上那些从0到1的创造性飞跃。爱因斯坦的电梯提醒我们，创新往往源于对既有框架的超越和对新概念的主动构建，而这需要超越统计概率的深层认知能力。同时，面对AI可能带来的“证明过剩”，人类研究者应更加专注于知识的消化、理论的构建以及科学传播，确保技术进步最终服务于人类对世界更深层次的理解。未来的人机协作，不应是AI替代人类的创造，而是人类引导AI在已有的知识土壤中，共同探索那些尚未被定义的未知领域。