视频|人机协同破解世界级猜想背后,一位湾大数学家的守与进

1. 大湾区大学许地生教授团队联合上海人工智能实验室,依托国产书生-S2大模型破解悬置30年的三维Ghys猜想,北京大学团队完成形式化验证,标志中国首次用国产大模型拿下世界级数学难题,AI正推动数学研究范式变革。 2. 合作缘起与推进过程:从CMO测试发现国产大模型的数学潜力,许地生与上海AI实验室牵线合作,以访问学者身份参与,通过选教材、判错、测试动力系统题目迭代模型,逐步推进到挑战该猜想。 3. 破解猜想的分工:AI承担大规模长链条推演,数学家把控关键方向、筛选有效思路、守住严谨底线,最终完成证明,论文精简为20页左右。 4. 教育理念:许地生在大湾区大学强调,学生基础阶段应重深度思考,研究阶段可借助AI做辅助,需保持批判性思维,守住数学研究的严谨根基。

南方plus

人机协同破解世界级猜想背后,一位湾大数学家的守与进

今年10月,大湾区大学许地生教授联合上海人工智能实验室团队,依托国产书生-S2大模型,成功破解三维Ghys猜想,北京大学团队同步完成形式化验证,标志着中国科学家首次用国产大模型拿下世界级数学难题。

从技术工具到科研伙伴,AI正在重塑数学研究的范式;而在这场变革中,许地生始终相信,严谨的思考、扎实的积累与对人才培养的重视,永远是数学学科不变的根基。

判断:从一张答卷到一次合作

2025年,CMO决赛阅卷现场,一份特殊的“答卷”让许地生停了下来。国产大模型书生-S1在CMO首次AI测试中交出的答案,102分,满分126分,远超金牌线。

国产大模型书生-S1在CMO中的AI测试结果简报。

“它明确知道自己哪一步会做,哪一步不会做。”许地生回忆。在此之前,语言模型处理数学问题时,典型状态是“看起来很像是对的”,中间却藏着不易察觉的小错误。而这份答卷“有条有理,严谨性很好”。他心里隐约有了一个判断:这个国产大模型在数学上的准确性,或许不只是“会考试”而已。

那时候,上海人工智能实验室也在往同一个方向看——把模型能力从竞赛级推向研究级,用真正的数学难题倒逼它成长。2026年初,双方在中国数学会的牵线下坐到一起,许地生以访问学者身份加入上海人工智能实验室。

合作初期,他总结自己的工作是:给AI选教材、出考卷、判卷子。只不过,平时给学生选一两本教材就够用,给大模型则是“量大管饱”,几百本、上千本地喂进去。

但真正的功夫不在“量”上,而在“判”上。有一次,团队在测试中发现,模型在处理有一定难度的题目时,思维开始“打转”——在向深处拓展的过程中,出现了不该有的循环。许地生判断,这未必是数学能力本身的问题,更可能是工程层面的一个“bug”。反馈过去,上海人工智能实验室果然侦测到模型内部的一处小问题,修复之后,模型恢复正常。

一个数学家对“思维链路”的敏感,就这样转化成了模型迭代中一次具体的技术修正。

到了7月底,模型经过多轮更新,许地生开始大规模测试动力系统的题目。他有一套自己的判断逻辑:不求AI做出来,只看它的思维深度和广度有没有变化。

“道理并不复杂,这些都是公开的未解问题,没有人指望一个模型一次就交卷。正如一个学生的思维深度在变、视野在变,即便他眼下解不出难题,你也知道他是可造之才。”

那段时间,许地生看到了这种变化:模型对一个问题能产出几百上千页的输出,里面“并不是简单的、空洞的东西,而是有本质性的新深度”。

沉淀:上千页推演,在关键处踩下刹车

8月,他把三维Ghys猜想喂给了AI。

这是一个在动力系统领域悬置了三十余年的问题。法国数学家艾蒂安·吉斯(Etienne Ghys)在1995年提出它时,问的是:一个紧致复流形上全纯Anosov系统的混沌动力学行为,是否足以把空间的几何结构“锁死”成一类具有严格代数规则的标准模型。

许地生自己在这个问题上深耕多年,曾与博士导师、菲尔兹奖得主Artur Avila合作尝试三维情形,没有走通。他太清楚这个题有多难解。

所以,当模型的反馈开始呈现出某些“不一样”时,他敏锐地捕捉到了。Ghys猜想横跨动力系统与复几何两个领域,许地生的专长在动力系统一侧,他试过许多方法,“都差一些”。而模型从另一侧——微分几何、复几何的方向,抛出了一些他没见过的新思路。

这些思路很难立即判定对错,但它们来自学科交叉处——陌生,却可能是一条新路。

许地生判断它“值得追”。这个判断的依据不是直觉,是沉淀。他和学生张洁松博士在Ghys猜想上的积累已有数年,什么思路值得往下走、什么方向大概率是死胡同,作为数学家的研究经验,在无数个岔路口上替他们做了一部分筛选。

接下来的过程,许地生有一个生动的比喻:数学家像开车的司机,在关键节点选择道路的走向。首轮报告400页,前后总量上千页,最终论文只有20页左右。

系统多轮交互过程及各轮交互中的递归求解结构图示。

AI承担了大规模、长链条的推演,把搜索空间铺开;数学家做的是在搜索结果里辨认方向,在模型滑向“不靠谱”的路口踩一脚刹车,在它从另一个领域递来陌生线索时,决定要不要跟上去。

“模型训练到一定程度,也积累了它自己的研究经验,这件事挺像人的,也像教育学。”许地生认为,数学家在其中承担的角色,首先是老师:选教材、出考卷、判卷子;然后是司机:在关键节点选路;再然后,就是成为那个不肯把“看起来对”当成“对”的人——守住数学严谨的底线,把每一步推演都重新走一遍。

教育:站在“数学+AI”的交叉口,守住深度思考

这种对“教育”的自觉,在大湾区大学的日常里落到了更具体的地方。

许地生在湾大授课。

2022年加入湾大后,许地生感受到的是一种“不急于求成”的研究环境:没有硬性的论文发表指标,没有必须主持的基金项目要求,出国访问、校外合作,学校给予充分支持。学校愿意给出时间和空间,让青年学者沉住气,面对“从0到1”过程中的不确定性。

许地生也参与湾大的本科生教学。对AI进课堂,他保持辩证的看法:打基础阶段,AI的介入不要太多,尤其不要让它侵蚀学生深度思考的能力;到了研究阶段,当学生已经具备研究习惯和基础,AI可以接手那些重复性的工作,成为真正的帮手。

当AI的迭代一日千里,许地生想告诉学生:打好基础,保持好奇心,拥抱最前沿的变化,时时刻刻都要记得保持批判性思维和深度思考的能力。

从CMO阅卷时的一个停顿,到Ghys猜想证明中那一次“选对路”,许地生做的其实始终是同一件事:在AI铺开的庞大可能性中,用数学家的严谨守住那条通向严格正确的路。这既是他做研究的方式,也是他希望学生慢慢养成的习惯。

撰文:李芊 陈启亮

视频:黄政正

受访者供图