2026年7月23日，菲尔兹奖得主、被广泛誉为”在世最伟大数学家”的陶哲轩（Terrence Tao），在社交媒体上分享了一段他与ChatGPT的对话记录。对话的主题是雅可比猜想（Jacobian Conjecture）的一个潜在反例——一个困扰数学界近一个世纪的开放问题。这段对话在Hacker News上被推至首页，获得超过540个点赞和333条评论，引发了科技界和数学界的广泛关注。
图注：陶哲轩是当今数学界最具影响力的学者之一。图片来源于维基百科。
陶哲轩是谁？
如果你不熟悉数学界，不妨先认识一下这位传奇人物。陶哲轩，1975年出生于澳大利亚，7岁开始自学微积分，12岁获得国际数学奥林匹克金牌——至今仍是该赛事最年轻的金牌得主之一。20岁获得普林斯顿大学博士学位，24岁成为加州大学洛杉矶分校正教授，31岁摘得数学界最高荣誉菲尔兹奖。
在数学圈内，陶哲轩不仅以解决复杂问题闻名，更以”跨界”能力著称——他在调和分析、偏微分方程、组合数学、数论等多个领域都有开创性贡献。有人说，如果当代有一位数学家最接近”全能型天才”，那就是陶哲轩。
正是这样一位站在人类数学能力巅峰的学者，选择向ChatGPT寻求帮助——这件事本身就足够耐人寻味。
雅可比猜想：一个”简单”到没人能证明的问题
要理解这段对话的意义，得先知道什么是雅可比猜想。笔者尽量用最简单的语言来解释。
想象你有一个地图，地图上的每个点都有一个公式告诉你如何移动。雅可比猜想问的是：如果这个公式在你的起点附近总是可逆（即你能从任何附近的位置找回原路），那么它在整个地图上是否也是可逆的（即你能从任何位置找回原路）？
这个问题由数学家Ott-Heinrich Keller在1939年提出，后由Shreeram Abhyankar在20世纪50年代系统阐述为”雅可比猜想”。看起来似乎很直观的问题，却让数学家们绞尽脑汁近一个世纪，至今仍未完全解决。在这期间，无数数学家提出了部分结果和近似证明，但完整的答案始终悬而未决。
陶哲轩与ChatGPT讨论的，正是对雅可比猜想的一个可能反例的分析——这个反例若是成立，将直接推翻雅可比猜想。
对话实录：人类智慧与机器算力的碰撞
在这段公开的ChatGPT对话中，陶哲轩以极其精准的数学语言向模型提问，一步步引导它分析一个复杂的多项式映射是否构成雅可比猜想的反例。
图注：陶哲轩与ChatGPT的对话页面，标题为”Jacobian Conjecture Counterexample”。这段对话展示了人类专家如何引导AI进行深度数学推理。
对话的精彩之处在于：陶哲轩并没有把ChatGPT当作一个”答案机器”，而是把它当作一个思维伙伴——他会先提出方向性问题，然后根据ChatGPT的回答继续追问、修正、深入。整个过程像极了教授指导研究生的场景，只不过坐在”学生”位置上的是一台大型语言模型。
HN用户napoleoncomplex评论道：“这是我今天看到的第二个真正令人着迷的ChatGPT分享对话。第一个是有人通过反复对ChatGPT说’继续’就证伪了另一个猜想。我们生活在一个多么神奇的时代。”
另一位用户minimaxir补充说：“对于大多数LLM可能会放弃的问题，说’继续’确实有效。LLM本质上并不知道什么事情是不可能的。“
HN社区的反应：术语密度的震撼
这段对话在Hacker News上引发了热烈的讨论，其中最引人注目的并非对AI能力本身的争论，而是一个关于数学语言门槛的深刻观察。
用户WarmWash的评论获得了大量赞同：
“数学拥有最疯狂、最难以穿透的术语体系。我通常能在大多数STEM领域保持脑袋浮在水面上，最多查查谷歌维基百科就行了，但是数学……它太快地脱离一切可理解的范围了，简直疯狂。”
他进一步举例说明：
“从对话中摘一句——‘特殊纤维是关联分次环……并且该滤过允许三个生成器具有足够简单的齐次提升，那么就可以证明’——在任何其他语境下，我至少能对讨论的内容有一些直觉，但放到数学里？完全没有头绪。”
这段评论揭示了一个常常被技术圈忽视的事实：数学的语言壁垒远高于其他科学领域。一个优秀的软件工程师可以快速理解TCP/IP协议的概貌，但面对代数几何中的”分次环""滤过""齐次提升”等概念，即使有扎实的理工科背景也会感到寸步难行。
AI作为”思维伙伴”而非”答案机器”
HN讨论中一个贯穿始终的主题是：陶哲轩使用ChatGPT的方式，恰恰代表了AI在高级知识工作中的正确姿势。
用户layer_x写道：“陶哲轩的提问非常具体，以有用的方式引导AI……这种’共生关系’（姑且这么说）似乎是AI的一个新兴价值主张。”
另一位用户guywithabike说：“最让我震撼的是，作为地球上最聪明的人之一，他不断提问，而LLM不停用那种’是的，如果你仔细想，这真的很简单’的语气回答他，就像一个教授在指导一个有天赋的学生。”
但请注意一个关键点：陶哲轩清楚自己在做什么。 他之所以能有效地使用ChatGPT，根本原因在于对自己所研究领域有着无人能及的深度理解——这与”提示工程”技巧无关。正如HN用户bubblymagic所说：“使用AI的技艺，首先是对问题领域的精通。我可以用AI写代码，因为我有几十年的编程经验。但我不能用它做理论物理研究，因为我无法评估其回答的正确性。”
这也是陶哲轩对话最令人深思的地方——AI并没有”替”他完成数学研究，而是成为了他思考过程中的一个高效放大器。
硬币的另一面：AI的边界在哪里？
当然，这场讨论中也不乏冷静的声音。
一些评论者指出，ChatGPT在对话中有明显局限——它会自信地给出不完全准确的推导，有时需要陶哲轩多次纠正。一位匿名用户评论道：“就算是最前沿的模型也完全有能力在复杂推理中迷失方向，你需要不断介入，阻止它沿着愚蠢的方向推理下去。”
这引出了一个核心问题：如果连陶哲轩都需要反复纠偏，那么普通用户在使用AI处理专业问题时的风险有多大？
此外，还有评论者指出，这段对话之所以”好看”，是因为陶哲轩本人的引导能力极其出色。换个普通人，同样的对话可能完全走向另一个方向——LLM会礼貌地生产出一堆看起来合理但实际错误百出的”数学垃圾”。
图注：Hacker News上关于陶哲轩ChatGPT对话的热烈讨论，社区对AI在数学研究中的作用展开了深入探讨。
结语：天才的工具还是工具的骄傲？
回顾整个事件，笔者认为最值得关注的是一个更微妙的观察——陶哲轩使用ChatGPT的方式，与全世界数百万程序员使用Copilot、Cursor的方式，在本质上并无不同——都是在专业直觉的引导下，让AI承担信息检索、初筛和推导辅助的职责，而人类专家始终把控着方向。
HN用户mnky9800nz的评论说得透彻：“看到陶哲轩的对话最让我惊讶的是，即使是他，与AI交流的方式——提问、追问、要求澄清、要求简化——与我在自己专业领域使用LLM的方式几乎一模一样。”
这或许才是AI时代”专家”的定义：知道该问什么问题、以及如何判断答案是否靠谱的人——这远比”知道所有答案”重要。
至于雅可比猜想本身——陶哲轩分享的这段对话是否最终通向一个被验证的反例？目前还没有定论。但无论结果如何，这场”世界上最聪明的人类+最先进的AI”的实验，已经向我们展示了一个引人遐想的未来图景。
参考链接
- Terrence Tao 在 Hacker News 上引发热议的 ChatGPT 对话分享帖
- ChatGPT 共享对话页面：Jacobian Conjecture Counterexample
- 维基百科：雅可比猜想（Jacobian Conjecture）条目
- 维基百科：陶哲轩（Terrence Tao）传记
- Hacker News 社区讨论：关于数学术语密度与 AI 作为思维伙伴的多角度辩论
- 菲尔兹奖基金会：陶哲轩获奖介绍
