在数学研究的漫长历史中，黎曼猜想始终是一座难以逾越的高峰。自1859年德国数学家黎曼提出这一猜想以来，无数顶尖数学家投身其中，试图揭开素数分布背后的神秘规律。然而，一百六十多年过去，这一猜想依旧未被完全证明，成为数学界公认的“终极难题”。
黎曼猜想的核心在于黎曼ζ函数的非平凡零点。这些零点隐藏在复平面的某个神秘区域，黎曼猜测它们的实部全部等于1/2，即全部落在一条被称为“临界线”的垂直直线上。如果这一猜想成立，人类将彻底掌握素数的分布规律。然而，证明这一猜想却异常艰难，数学家们只能通过间接方法逐步逼近真相。
近年来，人工智能（AI）在数学领域展现出惊人潜力，能够辅助证明定理、解决复杂问题。最近，AI公司Anthropic决定让旗下模型Claude挑战黎曼猜想。这一尝试并非为了直接证明猜想，而是作为一项极限测试，观察AI在面对人类都难以攻克的难题时会如何思考和行动。
出乎意料的是，Claude在“失败”中取得了重大突破。它没有证明所有零点都在临界线上，而是证明了至少67.2%的零点位于临界线上。这一结果远超人类此前保持的41.6%的纪录，在数学界引发强烈震动。纯数学领域的研究往往进展缓慢，Claude的这一跳跃如同短跑选手突然打破了自己保持十年的世界纪录。
数学家们长期以来一直在与一个比例较劲。由于直接证明“所有零点都在线上”过于困难，他们转而研究“至少有多少比例的零点落在线上”。这一思路将问题从“全有或全无”转化为渐进式的比例游戏。从1940年代确认无限多个零点在线上，到1970年代将比例提升到约三分之一，再到2020年前后达到41.6%，数学家们一步步逼近真相。然而，提高几个百分点都异常艰难，因为零点隐藏在极度复杂的数学结构中，无法逐个验证，只能通过整体统计规律间接推断。
Claude的成功得益于一种全新的视角。它借鉴了上世纪七十年代美国数学家休·蒙哥马利的思路：与其关注单个零点的位置，不如研究零点之间的关联。蒙哥马利发现，零点之间的间距与分布模式呈现出惊人的规律性，这一发现为判断零点是否在临界线上提供了线索。然而，蒙哥马利的方法默认黎曼猜想成立，无法处理偏离临界线的“坏零点”带来的复杂影响。Claude则换了一个问题：即使存在偏离的零点，整体结构是否仍能揭示至少有多少零点必须在线上？
Claude的核心工具是一个“检测器”，能够根据零点的位置发出正向或负向信号。正向信号表示零点在临界线上，负向信号表示零点偏离。过去，数学家试图证明所有信号都是正向的，但这一目标难以实现。Claude放弃这一执念，转而分析正负信号相互抵消后整体保留的正向净效果，从而推导出正向信号的比例。
更关键的是，Claude将无限复杂的函数分析问题压缩为一个有限规模的矩阵问题，将数学对象转化为一张记录不同因素相互关系的“关系表”。尽管关系表上可能存在异常区域，但整体拓扑结构揭示了一个事实：至少67.2%的零点无法逃脱临界线的引力。这一突破得益于Claude对Weil理论产生的数学空间的构造，以及对其中正负结构关系的精密分析。
Claude的成果并非凭空创造，而是建立在过去几十年的研究积累之上。蒙哥马利的统计规律、邦别里等人的深入工作，以及后续数学家对方法的不断打磨，都为Claude提供了基础。然而，这些研究成果过去分散在不同论文中，像一堆零部件躺在不同工具箱里。Claude通过大量阅读文献，尝试各种意想不到的组合方式，最终在一万次失败中找到了一种奏效的搭配。
据Anthropic透露，Claude最初尝试了650种不同思路，全部失败。但它没有气馁，随后调动约60个子模型同时作业：有的检查推理漏洞，有的编写程序做数值测试，有的搜索已有论文确认结果是否重复。整个流程像一场小规模的学术攻坚战，最终由人类数学家介入，审核证明的每个环节，并将其转化为Lean形式化证明，确保严谨性。
这次突破与以往AI在数学领域的表现截然不同。过去，AI大多在人类给出的方向和数据基础上求解问题，而这次，人类只给出了一个宽泛的目标——“证明黎曼猜想”，没有指定方法或路径。Claude自己选择了研究方向，发现了“比例下界”的问题，找到了正负结构这把钥匙，最终形成了一条完整的新证明路线。这一过程几乎复刻了数学家的日常：在攀登高峰的途中不断调整路线，被一个侧翼的难题吸引，然后发现其中蕴藏的意外风景。
尽管Claude离真正证明黎曼猜想还有距离——67.2%到100%之间横亘着本质性的鸿沟——但这次事件改变了人们对AI的认知。过去，人们总爱问“AI能不能证明一个定理”，今后更值得问的是“AI能不能帮助数学家发现新的问题、新的方法和新的连接”。Claude展示的正是后者：它没有敲开终点的大门，却在沿途插下了新的路标。
数学史上的重大突破往往源于视角的转换。笛卡尔用解析几何把几何变成代数，傅里叶把复杂的振动拆解成频率的叠加，现代数学家则不断发明新语言来描述旧问题。Claude这次所做的，本质上也是这种“视角转换”。它没有解决黎曼猜想，但它改变了研究相关问题的方式，表明AI已经能够从浩如烟海的可能性中拾取人类忽视的线索，并将其编织成有价值的成果。
