数学界近日因一场非同寻常的实验陷入热议：菲尔兹奖得主蒂莫西·高尔斯（Timothy Gowers）通过测试ChatGPT 5.5 Pro，发现该人工智能系统在未获得任何数学指导的情况下，仅用不到两小时便独立完成了一项具有博士论文水准的数学证明。这一成果令学界震惊，因其意味着人类数学家在特定研究场景中的智力贡献可能趋近于零。
实验始于高尔斯从数学家梅尔文·纳撒尼尔森（Melvyn Nathanson）的新论文中选取的几个未解问题。这些问题聚焦于加法数论中集合求和的复杂性：给定包含k个整数的集合A，其h重求和集hA的可能规模范围是什么？若要实现特定规模的求和集，集合的“直径”最小值该如何确定？纳撒尼尔森此前为其中一个问题提供了指数级上界（2^k - 1），而高尔斯将该问题输入ChatGPT后，AI在17分5秒内给出了二次方级构造，直接将上界优化至最优水平。
更引发争议的是高尔斯在实验中的角色。他明确表示，自己未提供任何数学思路、关键引理或证明方向，仅通过简单提示词引导AI，例如“这个思路不错，试试看能否成立”或“将推导过程整理为标准LaTeX格式”。所有推理步骤、构造方法与关键转折均由AI独立完成，而人类数学家仅承担了“情绪支持”与“格式校对”的辅助性工作。
当高尔斯进一步追问更复杂的通用情况（即任意h值下的求和集规模）时，ChatGPT展现了更惊人的能力。针对麻省理工学院博士生艾萨克·拉贾戈帕尔（Isaac Rajagopal）此前证明的指数级上界，AI在首轮思考中将结果优化至k^(1/2+ε)的指数级，随后在高尔斯提出“能否降至多项式级”的挑战后，AI通过13分33秒的分析提出可行性方案，并在验证两个技术命题后，用31分40秒撰写出完整预印本论文。最终成果将上界从指数级压缩至O(k^{10h³})的多项式级，其核心创新——利用h²-耗散集控制低阶关系——被拉贾戈帕尔评价为“完全原创且巧妙”。这位博士生坦言，自己完成类似脑力风暴需一至两周，而AI仅用不到一小时。
实验的冲击波迅速蔓延至学术生态层面。高尔斯指出，组合数学领域长期存在一种研究模式：学者提出新组合参数并附带未解问题，为初入科研的学生提供可攻克的“入门级”目标。然而，AI的介入正在颠覆这一传统。“过去，提出一个问题就足以支撑研究，”高尔斯在博客中写道，“但现在，问题必须足够困难，难到大型语言模型无法解决。”据统计，2026年以来已有15个由数学家保罗·厄多斯（Paul Erdős）提出的开放问题被破解，其中11项明确标注了AI的贡献。就在数周前，23岁、无高等数学学位的利亚姆·普赖斯（Liam Price）使用GPT-5.4 Pro在80分钟内攻克了一道困扰学界60年的厄多斯难题，其证明经菲尔兹奖得主陶哲轩验证后，更被拓展为新理论的起点。
学界对这一趋势的反应呈现两极分化。部分研究者认为，AI的数学能力已进入不可逆的加速通道：从2023年GPT-4无法解决多数本科数学题，到2024年o1模型在数学竞赛中达到金牌水平，再到2025年o3模型展现前沿研究推理能力，直至2026年GPT-5.5 Pro独立完成博士级证明，AI仅用三年便跨越了从本科到博士的研究门槛。OpenAI研究员塞巴斯蒂安·布贝克（Sebastien Bubeck）对此表示认同，认为学术界正面临“范式转移”。但也有学者强调，高尔斯的实验虽具有指标性意义，但纳撒尼尔森的问题未必代表数学研究的前沿天花板，需谨慎对待单一案例的外推结论。
无论争议如何，一个事实已无法回避：在特定数学问题上，AI正从“辅助工具”蜕变为“独立研究者”。当曾经需要数年训练才能触及的研究门槛被技术消解，学术生态的深层变革或许已悄然启幕。
