1. 从计算验证到猜想生成：AI在数学发现中的角色跃迁
“人工智能应用-和数学家做朋友：06.新数学猜想生成”这个题目，放在五六年前看，大概率会被当成科幻设定。那时候AI在数学圈的主流身份还是“验证者”——你告诉它猜想是什么，它负责帮忙检查证明、跑数值验证、找反例。但最近两年局面明显变了，AI开始从验证端走向发现端，主动提出“这条规律可能成立”的候选猜想，再让数学家去判断、去证明。这个角色转变，本质上把AI从计算器升级成了科研搭档。
我最早关注到这个方向，是因为一个不算太出名的项目：某研究团队用机器学习扫描数论里面的递推序列，预测是否存在某种未记录的模性质。当时论文里列了一大串AI“觉得”可疑但还没被证明的性质，其中有几条后来被数论方向的研究者证实了。这个案例给我的冲击很大——AI没有证明任何东西，它只是发现了“值得证明的东西”，但这恰恰是数学研究里最难、最依赖天赋的环节之一。
现在这类工作已经有了一个约定俗成的叫法：AI辅助猜想生成。它不追求AI独立提出那种惊世骇俗的大猜想，而是做高价值的模式挖掘。具体来说，是把数学对象的大量实例丢给算法，让算法找出人类直觉容易忽略的统计规律，再整理成形式化的猜想描述，交给数学家筛选。这个流程里，人仍然掌握最后裁决权，但AI承担了最耗时间、最容易有偏见的“找规律”阶段。
这篇文章我打算围绕“怎么让AI真正帮上数学家的忙”展开，重点讲清楚三件事：AI生成猜想的底层机制是什么，实际落地要经过哪几步，以及为什么绝大多数AI猜想的归宿是垃圾桶——以及怎么让垃圾桶里的废料也有价值。我假设读者有两类：一是对数学和AI交叉感兴趣的开发者，二是想用工具辅助科研但还没找到切入点的基础数学方向学生。两类人看完应该都能找到自己需要的部分。
2. “AI怎么想出新猜想”：底层机制与算法选型逻辑
想理解AI猜想生成，先得打破一个思维定式：AI所谓的“新猜想”，本质上从来不是凭空创造，而是对已有数据的一种高维压缩和重组。人类数学家提出猜想，依赖的是对大量例子的直觉抽象；AI做同样的事情，依赖的是统计模式识别。区别在于，人类能抽象出“因果”，AI只能捕捉“相关”——但数学猜想本来就不需要立刻有因果，它只需要有强烈的相关性作为起点。
2.1 模式识别驱动的猜想发现：从数据规律到形式化命题
我习惯把AI猜想生成分成三个层次，难度递进。
第一层最基础，叫结构扫描。典型做法是把某个数学对象编码成向量或图结构，比如把正整数序列、格点集合、群作用轨道抽象成特征矩阵，然后聚类、找异常。这个层次几乎不涉及语义理解，纯粹是数据挖掘思维。它能发现的猜想往往形式简单，比如“这类序列的增长率似乎被某个常数约束住”“这类轨道中总有某种对称结构出现”。
第二层叫关系推断。这里要用到更强一点的模型，比如图神经网络、高斯过程回归或者树集成模型。输入是一组数学对象自身的参数，输出是想预测的某种量——比如丢番图方程有没有解、某个模空间维数是不是符合预期、某种代数结构的自同构群阶数是否落在某个范围。模型如果在训练集上拟合得很好，同时在新实例上也表现稳定，那这背后通常存在尚未被写成定理的结构性原因。这时候把模型的决策边界、特征重要性提出来分析，往往就能导出候选猜想。
第三层叫符号重构。这一层已经不满足于“预测数值”了，而是要让AI直接输出符号表达式，类似搜索“a_n = n^2 + 3n + 5”这种闭合形式。常见实现有两类：一类用遗传规划或者符号回归，在表达式空间中搜索能拟合数据的短程序；另一类用基于语言模型的生成方式，把前缀的数学序列作为上下文，让模型续写下一项并归纳规律。这一层最接近人类数学家的工作模式，产出也最有吸引力，因为生成的就是一个待验证的等式或不等式，而不是一个黑盒预测。
2.2 自己造训练集：为什么公开数据集在这里几乎没用
做AI猜想生成，第一个会遇到的专业障碍是数据集。公开的数学数据集并不少，比如整数序列百科、数学命题库、定理证明语料库，但它们的定位是给“验证型AI”用的，拿来训练“发现型AI”会水土不服。
原因在于，公开发布的数据集经过人工筛选，往往是“干净”的、被验证过的、有一定知名度的规律。算法学到的会偏向于复现已知数学，而不是探索未知。更别扭的是，公开数据里噪声结构完全是随机的，而数学数据里的“噪声”其实往往暗示着被忽略的结构。
所以我的做法是：自己合成训练集。用符号计算库批量生成某个数学对象的实例，把已知定理能解释的部分标记为“已知”，把不符合已知规律但可重复出现的模式标记为“可疑”，再把这些“可疑”实例作为正样本交给模型去拟合。这一步听着容易，实际操作起来工作量很大，尤其是要保证生成的数据分布合理、没有程序bug导致的伪规律。
我举一个具体例子。之前我做过一阵子分拆（partition）函数相关的实验，想看看AI能不能发现某种模周期性。人工筛选分拆函数对模数k的周期结论，写进公开文献的只有很小一部分。我于是用程序批量计算前几百项分拆函数的值，对每项取模，再把数论里已经证过的周期规律作为过滤条件，把过滤后剩下的“模值序列里冒出的强重复性”作为候选信号。AI最后还真报了三条可疑模式，其中一条后来对照文献发现已有出处，另外两条至今没人证明也没人推翻，结局很悬。
2.3 为什么我优先选可解释模型而不是深度学习黑盒
模型选型上，我踩过最大的坑是没有一开始就区分“拟合能力”和“可解释性”的优先级。很多团队一看这任务，第一反应是上Transformer，让语言模型在数学序列上继续训练。这思路不是不可以，但如果你的目标不是“生成看起来像数学的文本”，而是“给出值得数学家看的猜想”，那相当一部分深度学习模型反而是负资产。
原因很朴素：数学猜想如果不能被翻译回符号语言，数学家根本无从判断它的价值。一个Transformer可能生成一百段“形式上很数学”的文本，但里面真正包含有效模式、又能被证伪的，可能是零。因为语言模型优化的是“序列概率”，不是“命题真值”。模型擅长的是模仿风格，不是把握数学本质。
所以我更倾向于把可解释性排在第一位。排序上，高斯过程、稀疏线性模型、带特征重要性排序的梯度提升树，都是我优先考虑的。它们的拟合范围不如深度模型广，但胜在输出能直接映射回输入变量的组合关系，谱分析后能直接看到是“哪个参数、哪种取值区间”导致了偏离理论预期的行为。
具体说出来可能有点反直觉：越“笨”的模型，越适合用来发现新猜想。你要的不是它在高维空间里疯狂记忆，而是它在低维空间里老老实实告诉你“x越大，概率越快衰减”这种话。数学猜想在早期阶段往往就是这么朴素。
我在实际项目里用过一个非常简单的基线：直接在预定义的特征集上跑随机森林，然后输出特征重要性top-N。只要特征工程做得精细，这个基线的产出质量可以超过很多复杂模型。后来我把特征工程和模型输出做成一个循环，每次模型汇报可疑特征，我就据此构造新特征，再跑下一轮，几轮迭代下来，产出的候选猜想比一开始用Transformer跑一整天得到的靠谱得多。
3. 一个可复现的落地框架：从环境搭建到出猜想的七个步骤
工具链这部分，是我在实际跑通一个猜想生成流程之后沉淀下来的。说实话，整个流程的门槛不在算法本身，而在如何把“数学对象”变成“模型输入”，再把“模型输出”变成“数学陈述”。这两步转换没做好，后面所有环节都是白费。
3.1 第一步：定义数学对象的范围与编码方式
开始动手之前，先回答一个问题：你要研究哪一类数学对象？这个范围必须足够窄，窄到你能为它设计出稳定的数值化描述。比如“研究素数分布规律”这种范围就太宽了，AI会束手无策。但如果把范围改成“研究形如 n^2 + 1 的素数在固定区间内的分布异常”，那就成了可操作的计划。
接下来要干的是把对象编码成模型看得懂的结构。一般有三类编码方式：数值向量（比如参数值、函数值、增长率）、图结构（比如代数结构的生成元关系图、组合结构的包含关系图）、序列（比如递推序列的前若干项）。我自己的偏好是尽量用多重编码叠加。每一个数学对象，同时用数值向量表达它的宏观参数、用图表达它的元素间互动、用序列表达它的演化路径。这样三种视角互补，模型更容易发现隐藏不深的结构。
3.2 第二步：数据生成与清洗——这里最容易混入“伪规律”
我前面提到自己合成训练集，这里展开讲。批量生成实例这一步，常用工具包括符号计算库和数论函数库。比如研究丢番图方程，就要枚举特定范围的整数组合，用快速求解模板判断每组参数下方程的解集状态；研究格点路径计数，就用动态规划批量算出不同约束下的计数结果。
清洗这一步必须特别小心，因为自动化生成的数学数据里有一个隐雷：程序里的浮点误差和整数溢出。一个求模运算因为溢出产生了边界错误，可能造出一批看似有周期性、实则纯属bug的数据点。AI如果在这样的数据上发现了“规律”，那是在学习程序员的失误，不是在学数学。更麻烦的是，这类伪规律在统计特征上往往特别强，比真实规律还容易被模型抓到。
所以清洗时我会做一次双重校验：对每一条“可疑规律”，至少用两套独立实现的计算代码交叉验证结果。数值上完全一致的才留下，有一丁点差异就剔除，宁可错杀也不留隐患。
3.3 第三步：特征工程作为核心环节——好的特征比模型重要十倍
这一步是整个流程里我最想强调的部分。很多人习惯把数据揉成一个长向量丢给模型，觉得特征工程是上世纪的传统手艺。但在数学猜想生成这个场景里，特征工程恰恰是决定上限的环节。
一个好的特征，必须尽量接近数学家思考时会用的量。举例来说，你怎么描述一个丢番图方程的特征？直接堆参数（系数、次数）当然有用，但那完全是图灵测试意义上的“外行描述”。数学家会先看方程的次数、亏格、奇点数量、有理点密度这些几何和算术不变量。如果你把这些不变量处理成特征，模型就能在接近人类概念空间的地方找规律，产出的候选猜想才可能被数学家看懂。
特征工程里最实用的技巧是把“同一信息的不同视作”同时喂给模型。比如同一个对象，既算一次它的数值函数值，也算一次它取模之后的余数分布，再算一次它的对数增长率。模型如果在其中某一种视角下发现了强信号，往往意味着这个信号在数学上对应某个不变量性质。
3.4 第四步：模型训练和模式筛选
到了模型训练这一步，其实没有太多花哨的。我通常用三类方法交叉验证：
第一类是高斯过程回归。优点是输出自带不确定性估计，可以直接知道模型对某个候选猜想的置信度；缺点是样本量稍大一点就慢得让人想砸电脑，所以只用于小规模高级别验证。
第二类是梯度提升树。这是主力，速度快、处理混合特征方便、特征重要性也相对可解释。缺点是对数据中的平滑趋势不太敏感，但在“可疑区间识别”这个场景上表现极好。
第三类是符号回归。作为产出候选公式的最后一跳，把前两类模型圈出的可疑实例区域用符号回归拟合闭合表达式。这一步生成的公式，就是最终的候选猜想。
通过三类模型交叉打分，我可以给每个候选区域算一个综合分数：稳定性（在不同随机种子下是否反复出现）、偏离度（与已知定理给出的预期相差多少）、简洁度（如果能被符号回归改写为短公式则加分）。按这个分数排序，top10的候选才值得拿给数学家看。
3.5 第五步：质疑优先——让AI自己生成反例搜索器
拿到top10候选之后，我强烈建议不要急着庆祝。更有效的做法是进入“反例搜索”模式：针对每一个候选猜想，专门设计一套穷举和启发式搜索程序，去寻找满足前提条件但违背结论的例子。
这一步和机器学习里的对抗样本有些类似。你要把AI当作一个正在求职的实习生，它提供方案，你负责用最刁钻的方式检验方案有没有漏洞。许多看似漂亮的AI猜想会在这一步快速毙命，因为AI在训练数据覆盖的空间里表现良好，但训练数据覆盖不了的边界区域往往藏着大量反例。
我在自己的流程里，会把反例搜索器也写成一套独立模块。每次出候选猜想，立刻自动启动搜索，给AI候选生成一个反例报告。如果搜索几个小时内找不到反例，这个猜想才会进入下一轮人工评审的排队列表。
3.6 第六步：人工评审——数学家的判断力仍是稀缺资源
到这一步，AI的活儿基本结束了，剩下的就是数学家的时间。但我发现一个现实问题：数学家时间有限，泛泛地把所有候选都丢过来，很容易形成“狼来了”的效应，第二次第三次他们就懒得看了。
所以人工评审前，必须做“可读性包装”。具体包括：把符号回归得到的表达式整理成标准的数学命题格式；附上支持数据表格，怎么采样、范围多大、对哪些边界做过多轮验证；再用一句话说清楚“如果这个猜想成立，它可能的意义是什么”——哪怕这个意义是初步的、猜测性的。
我自己写可读性报告时，会努力控制在A4纸两页以内。业内很少有人能做到，但做得到的时候反馈质量会立竿见影。两页内讲清楚内容，数学家更容易认真当回事，认真看了之后提出的修正意见也更具体。
3.7 第七步：记录、归档、发布——猜想的“耐久度”问题
最后一个步骤容易被忽略，但我认为它决定了整个流程的长期价值：完整的实验记录和归档。
推测猜想和证明定理有个很大的不同。证明定理的产出是确定的——要么对要么错；猜想则可能在完成多年之后才被证实或证伪。如果当时记录不完整，后人很难判断当初这个猜想是在什么样的数据支撑下提出的，也就难以作为引理被后续工作使用。
我的归档习惯是给每个候选猜想分配唯一的ID，记录完整的数据参数、代码版本、模型配置和人工评审意见。以后无论过了多久，只要有人来问“这个猜想当时是怎么来的”，我都能复原整个链路。这个习惯很朴素，但在实际研究中省了非常多的时间。
4. 为什么多数AI猜想会进垃圾桶：失效模式与过滤器设计
AI猜想生成这个方向，最让人产生虚假繁荣感的原因就是：AI出猜想的数量极大，但质量极低。如果一个人只看数量不看质量，很容易得出“AI已经可以当数学家”的错误结论。我的真实经验是，AI产出的候选猜想，最终能通过人工评审的不到百分之一。剩下百分之九十九都会进垃圾桶。
但这不意味着那些被丢弃的猜想没有意义。关键在于，你得知道它们为什么会失效，然后设计一套过滤器去主动识别这种失效模式。否则百分之九十九的废料会消耗掉数学家全部的时间预算，导致那百分之一的珍品被错过。
4.1 伪相关与过拟合：AI看到的是统计幽灵
第一类失效模式最常见：模型在数据里找到了统计相关，但它背后没有任何数学机制支撑。我把这种信号叫作“统计幽灵”。
举个我踩过的坑。有一回我在某个组合计数序列上做模数分析，AI报了一个很强的周期性规律。我起初兴奋得不行，因为模周期性在数论里是个非常受关注的课题。结果复查时才发现，原始数据的生成程序里有一个边界条件设置导致数据被意外截断，截断本身制造了一个虚假的边界效应。AI抓到的就是那个边界效应的影像，不是数学规律。
这类失效模式在特征空间里往往表现为“只在某个特定参数区间内成立”。所以过滤器第一原则就出来了：任何候选猜想，必须验证它在训练数据覆盖范围外的外推表现。如果外推就崩，那大概率是过拟合，立刻毙掉。
4.2 平凡性检测：防止AI重新发明教科书
第二类失效模式是平凡性。AI产出的“新猜想”，大概率只是旧定理的等价变形或者特例。因为数学世界里的规律高度关联，一个不明显的新规律，往往是若干个旧规律在参数空间里交汇产生的影子。
为了拦截这类情况，我建立了一个“平凡性过滤器”。基本做法是：把候选猜想的条件部分和结论部分分别翻译成一套标准形式，然后在本地知识库中检索相同或近似的条目，再对多个旧定理做系统性的数值验证，看候选猜想是否只是旧定理在某个参数取值下的重新表述。
这套过滤器的准确率能做到比较高，但代价是要维护一个结构良好的已知定理库，并且要持续更新。对个人研究者来说前期投入不小，但对团队或长期项目来说绝对值得。我亲眼见过一个AI猜想来来回回“重新发现”了三遍欧拉准则的变体——每次措辞不同，根子上却是同一个定理。
4.3 可证伪性与边界条件的隐形成本
第三类失效模式更有意思：候选猜想虽然有数学意义，但它缺少可证伪性。一个猜想如果没办法被设计出切实可行的检验方案，那它即便看起来再美，也很难被推进。
我之前见过一个AI从几何数据里挖出来的候选猜想，描述某种流形上的曲率积分满足一个漂亮的不等式。数学意义上完全不平凡，但在当时的技术条件下，既没有解析工具能证明，也没有计算工具能在足够大的样本空间里给出强数值验证。它就像一座孤岛，存在但没人能靠近。
我现在会在过滤器里加入“可行性评分”：穷举验证需要的时间预估、所需计算资源与现有能力的匹配度、是否存在已知的反例搜索算法。把这些维度量化后，就可以给每个候选猜想打一个“研究可行性”分，分数太低的直接延期处理，不进入数学家的紧急队列，但留在慢速队列里作为远期储备。
4.4 多层过滤器的实战效果
我这套完整过滤器跑下来，top1000个初始候选里，大约可以筛选出五个“值得数学家花时间看看”的副产品。五个里头最终有一个真正引起数学家的正面反馈。掉率看着吓人，但实际效果已经比完全没有AI辅助时高出几个数量级——因为人工盲扫的初始候选往往连top1000都不到。
这套流程的本质，是用计算力换取数学家的注意力。你投入大量算力去把成千上万个低质量猜想快速淘汰，只把极少数高质量候选送到人类面前。算力便宜，数学家的时间贵，这个交换在经济上是绝对划算的。
5. 让AI猜想的路径与数学家的“为什么”：人机协作的真实模式
跑完整个流程以后，我从一个技术控视角逐渐转变成一个不相信“AI独立发现”的人。准确说，我越来越相信“AI提供线索、人类赋予意义”的协作模式，才是这个领域最健康的状态。
5.1 AI给出线索，数学家负责“为什么”
AI能发现数据里隐藏的强规律，但它永远回答不了“这个规律为什么可以成立”。它能告诉你，在大量数值实验中，某个表达式的值似乎始终落在某个区间；但它没法告诉我，这是因为某个隐藏的代数恒等式，还是两条独立机制偶然交叉。
而数学家的核心能力恰恰在这里。他们看到AI报出的表达式之后，会调动已有的理论框架去问“为什么”——会不会有一个尚未被发现的对称性？是否可能从某个更一般的定理中推出这个特例？这种理论洞察，AI在可预见的将来很难具备。原因很简单：理论洞察意味着在概念空间里做类比、跳跃、抽象，而AI本质上还是在已给数据上做插值。
这解释了一个观察到的悖论：AI在非常窄的数学问题上表现惊艳，但换一个平移到相关的领域，立刻丧失理解力。数学家则可以在两个看起来毫不相关的分支之间建立关联，并且这种关联往往是重大突破的起点。
5.2 可读性是AI猜想的生死线
在实操层面，我越来越意识到“包装”和“可读性”的分量。
试想两个场景。场景A：AI输出一大段向量、号和各种统计量，附带“模型置信度为97%，特征重要性排名前五为sys_x3、sys_x7、sys_y2”。数学家看一眼根本不知道怎么处理。场景B：AI输出一句干净的话：“我们猜测，当 p≡3 mod 4 时，这类曲线的秩存在一个上界，支持数据来自十万个随机实例”。数学家立刻会心一笑，知道这值得进一步验证。
差别不在算法，在于你是否做了最后一公里的翻译。我后来养成了一个习惯：所有AI候选在送给人看之前，必须过一遍自然语言翻译层。可以把这句话理解为一种数学版的“文案编辑”，它不改变内容，但改变了内容被接收的效率。
5.3 案例复盘：一个被采纳的AI猜想是怎么活下来的
最后分享一个具体案例。去年我做了一个和分拆同余相关的实验，目标很简单：用AI批量扫描分拆函数 p(n) 在模数小于20的情况下，有没有未知的同余模式。
流程走完后，AI给了44个候选。第一轮平凡性过滤器毙掉41个，然后我手动复核剩下3个。从这3个里挑了一个看起来相对有前景的发给了某位研究方向相关的学者。
那个候选猜想描述的是：某种带额外参数的分拆函数在模7条件下有一个很短周期的同余性质。此前文献里没有人直接提过。学者看到之后，一开始很怀疑，但数值支撑足够强，他于是花了一个周末试着手动建立这个性质的雏形证明。结果没有完全证明，但确实找到了一个可以解释部分案例的代数变形思路。后来这个例子被写进了一份研究笔记，作为“值得后续深入探索的方向”被保留。
这个案例让我印象最深的，不是“AI发现了新定理”——它没有——而是整个分工非常清晰：AI负责扫描海量数据并给出候选，我的过滤器负责快速淘汰明显无效的选项，数学家的理论直觉负责提供“为什么它可能成立”的路径，以及判断这个方向值不值得继续投入。
没有AI，数学家很难凭直觉在无穷多的同余关系里准确猜到这个特殊位置；没有数学家，AI的这个候选也只会淹没在另外43个废票里。真正让这个项目跑通的，是两套系统的对接，而不是任何单独一方。
5.4 对“AI替代数学家”说法的一个冷静回应
我清楚有一派人热衷讨论“AI是否终将替代人类数学家”。至少从我现在做过的所有实验来看，答案是否定的，甚至这个提法本身就有些背离问题的关键。
现实是，AI远未强大到可以“懂数学”。它擅长的是在不变量构成的高维数据空间里做统计推断，它产出的是“可靠的信息”，不是“可靠的数学命题”。可靠的信息经过数学家的逻辑重构之后才能变成可靠的数学命题。而逻辑重构这个环节，目前还看不到有AI能够胜任的迹象。
另一方面，数学研究里最消耗数学家精力的，往往不是“想出猜想”的那一下灵感，而是“寻找值得投入精力去想的候选”那一大段探索流水线。AI把这段流水线自动化之后，数学家的注意力就能更集中在真正属于人的环节——理论建构、跨域类比和逻辑证明。
我自己在这几年里的具体变化是：花在筛选低质量模式上的时间减少了大约六成，省下来的时间都用在了阅读文献和与同行讨论上。AI没有让我变得更像机器，反而让我有更多时间做更像人做的事情。这个体验，或许是这个领域最值得分享的价值。
