上个月，几位数学家向外界介绍了一项持续十多年的搜索：他们想找一组非常特殊的骰子，用来在多玩家游戏中公平决定谁先行动。最终找到的方案包含五枚骰子，每枚骰子的获胜概率相同，且投掷结果不会平局。相关问题搜索耗时超过十年，直到最近才被破解。
同一时期，人工智能在数学问题上的进展也备受关注，包括本周引发讨论的费马最后定理形式化工作。与这些“骰子猎人”通话后，一个更进一步的问题浮出水面：人工智能能否为六名玩家给出方案，用六枚骰子决定谁先行动？
暴力枚举显然不是可行路径。仅五枚可行骰子的设计可能性，就超过宇宙中原子总数。研究人员把问题用简单的英语描述给 ChatGPT，并要求其给出解决方案。从启动对话到交付结果，全程约 13 分钟。
该方案随后被提交给阿拉巴马州奥本大学的埃里克·哈什巴格（Eric Harshbarger）。他核对后确认，数字是正确的。
不过，这套人工智能方案并不优雅，也不具备现实可操作性。方案涉及五枚 720 面骰子和一枚 20 面骰子；即便数字成立，也很难在真实场景中投掷 720 面骰子，更难说服玩家相信一组不会产生平局的骰子是公平的。
它也不是目前已知的最佳方案。哈什巴格及其同事已经对五枚骰子的原始解进行了调整，改进后的版本无疑更好。
但这一结果仍然具有标志性意义：一个数学基础有限的人，只需用自然语言向模型描述一个棘手但不依赖严格证明的问题，就可能在几分钟内得到可用答案。与此同时，GPT-6 等新模型仍在陆续出现，基准测试分数持续走高。
并非所有人都立刻接受这一结果。Google 软件工程师保罗·梅耶（Paul Meyer）以及另一位与哈什巴格合作的研究人员曾怀疑，人工智能是否真的独立找到了方案。但他们检索后没有发现任何在线痕迹。
在哈什巴格、梅耶与记者的电话会议中，最合理的解释是：五枚骰子的相关解早已被发布在研究人员用于追踪工作的网站上；人工智能模型可能找到了这些组成部分，填补缺口，并完成了自己的组合工作。
哈什巴格表示，自己从未有意与人工智能模型互动。他认为，一个不懂数学的人即便读到其中两个组成部分，也未必能独立完成推导。他不愿直接称之为“智能”，但承认模型可能确实弄明白了一些事情——这在某些方面令人不安，也令人惊叹。
梅耶对在日常工作中使用人工智能持更乐观的态度。他认为，其中确实存在某种“智能”的成分，因为过去六个月到一年里，模型能力已经走出了很远。
这件事也带来复杂的情绪：整个过程几乎不依赖提问者的个人技能，反而在一定程度上削弱了人类数学家此前工作的稀缺性。未来数学家、物理学家和材料科学家是否也会产生类似感受，仍未可知。哈什巴格的态度则更直接：他不在乎解以何种方式被发现，更想知道人工智能究竟是如何做到的。
过去六个月，人工智能在数学能力上的进步速度异常惊人。当记者向布贝克说明刚刚用其模型完成的事情时，他的反应既不是惊讶，也不是特别兴奋。
布贝克表示，过去六个月看到的进展，他完全预期未来六个月还会重演；他认为人们真的可以抬高目标，尤其是在数学领域，也适用于更广泛的科学。
不过，现阶段人工智能模型主要被证明能够解决既有问题，或找到已有问题的证明路径，还尚未证明能够创造新的概念、新的想法或新的数学领域——而这些正是重大进步的来源。OpenAI 近期宣布，其 Astra 模型已解决十个长期困扰人类数学家的难题。
布贝克承认，目前还没有模型能做到主动开辟新领域；他认为没有人做到过这一点，但这是一种自然演进。它会发生在今年年底还是明年，目前无法确定，但显然会发生。
变化也可能带来不适。手工挑选问题、亲手找到解法的乐趣，可能正在过去；数学社区还将面对棘手问题，例如人们是否能为人工智能完成的工作获得荣誉。布贝克说，人类数学家也许会经历一段可以被理解的悲伤期。
他把开发新人工智能模型比作打开一扇门：他曾在数学问题上被困多年、数十年，很难取得任何进展；而人工智能研究正好处在相反方向。
