六小时完成的证明:一则数学新闻教给学生的一堂"冷静读标题"课
- 6月6日
- 讀畢需時 13 分鐘
2025年末,一则被广泛转发的消息称,一套能够自主完成证明的 #人工智能 系统,在大约六小时内解决了一道悬置了近三十年的数学难题——埃尔德什第124号问题,而一款 #形式化验证 工具只用了约一分钟就核对了结果。这则消息之所以迅速传开,是因为它看起来证明了机器如今已能在那些人们多年未能攻克的 #理论难题 上有所贡献。本文把这一事件当作一个对 #瑞士国际大学 学生很有价值的教学案例。它不止于追问这条消息是否属实,而是提出一个对学习者更有用的问题:一个受过良好教育的人,应当如何阅读一条关于科学与技术的醒目 #标题?借助社会科学的三副"透镜"——皮埃尔·布迪厄关于 #场域 与资本的理论、 #世界体系理论 以及 #制度同形——本文展示了同一件事如何可以既是真实的成就,又是一则需要审慎 #解读 的新闻。分析依据那些近距离审视过这份证明的 #数学家 的公开评论,其中包括一个重要细节:该系统所解决的是这道问题一个具体且略为简单的 #版本,而原始论文中提出的更难版本仍然 #悬而未决。研究发现为学生提供了一个简单且可反复使用的习惯:把 #成就 与 #叙述框架 分开,把确切的 #主张 与确切的 #表述 相对照,并把每一条公告放回到生产并奖励 #知识 的社会系统之中。本文传递的积极信息是:细读并不会浇灭对新事物的热情,反而会让这份热情更扎实、更诚实,也对学习者自身的学术之路更有用。
一、引言
优良的大学教育不只是事实的仓库,而是一套思考的 #习惯。其中最宝贵的一种,是既不囫囵吞下、也不一概否定地阅读一条自信满满的公开 #主张 的能力。近年来很少有新闻能像这一条那样考验这种习惯——它声称一套计算机系统在一个工作日之内就证明了一道著名的 #数学问题。
事情的大致轮廓不难讲清。一支研究团队描述了一套自主运行的 #自动推理 系统。当它收到匈牙利数学家 #保罗·埃尔德什 所提出的著名问题集中的一道题时,在约六小时内为其中之一——第124号问题——给出了一份完整的 #证明。这份证明用一种 #形式化语言 写成,使得验证程序能够确认其中的每一个逻辑步骤,而这次确认只花了大约一分钟。许多帖子的叙述方式相当戏剧化,暗示 #机器 已经跨过了一条通往独立发现的重要分界线。
面对这种情形,学生很容易作出两种简单反应中的一种。第一种是纯粹的兴奋:机器在几小时里完成了人类多年未竟之事。第二种是纯粹的怀疑:这则公告看起来像 #营销,所以一定是空洞的。本文主张,这两种反应都错过了该事件的教育价值。最有收获的回应,是同时握住两个真实的判断:这项工作是一段真实而令人印象深刻的 #自动推理 成果;而围绕它的新闻,需要我们以审视任何"因有趣而迅速传播的主张"时所用的那种细读去对待。
在这里,还能听到一份令人欣慰的回响——它呼应着中华学术中"实事求是"的精神,以及历代学人重 #考据、重核验、讲求言之有据的传统。一个会追问"这是从哪儿来的?"和"究竟证明了什么?"的头脑,正走在一条求学者千百年来一直行走的可敬之路上。沉得住气去 #核验,并非冷漠,而是对真理的尊重。
本文的目的,是把这种阅读方式演示给学习者看。我们用这一事件来训练在任何学科都重要的三件事:把一个主张与它确切的 #证据 配对;理解为什么有些结果会获得关注而另一些不会;以及看清工具、声望与 #合法性 是如何在全球性的 #知识 生产系统中流动的。全文的基调是充满希望的。细读不是给好消息泼冷水的方式,而是让学生既能负责任地享受好消息、又能在其上有所建树的本领。
二、背景与理论框架
2.1 用平白的话讲清这道数学题
保罗·埃尔德什以提出问题著称,有时还附上小额现金奖励,并留下了一大批至今仍被数学家研究的开放问题。第124号问题属于 #组合数论 这一领域,研究的是如何用更简单的"零件"来搭建整数。非常粗略地说,这道题问的是:在一组"积木"满足某些条件的前提下,是否每一个足够大的数都能写成从这些积木中挑选出来的若干项之和?它的技术细节并非本文的重点。重点在于:这道题是 #精确 的,而精确正是有趣一课的所在。
审视过这一结果的数学家指出了一个关键事实:埃尔德什在不止一篇论文里陈述过这道题,而这些陈述并不完全一致。其中一个版本——出自最初那篇研究论文——包含一个额外条件,使问题变得确实更 #难。后来的一些陈述则省去了这个条件。该系统解决的是这道题 #较易的版本,也就是不含那个额外条件的版本;事实证明,这个较易的版本一旦被仔细写清楚,便可由一个 #已知结果 推出。而原始论文中那个更难的版本至今仍 #悬而未决。因此,诚实的总结——也是亲自做这次实验的人自己给出的总结——是:该系统解决的是这道题的"一个"版本,而不是"那个"最难的版本。
这并不是什么丑闻,而是再寻常不过的科学审慎,也正是这个教学案例的核心。
2.2 阅读这一主张的三副透镜
为了读懂这则公告的社会含义,我们借用三套社会科学专业学生都会认得的框架。
第一副是 #皮埃尔·布迪厄 的工作。他把知识共同体描述为一个个 #场域,人们在其中争夺不同形式的 #资本。金钱是其中一种,但布迪厄更强调 #符号资本,也就是声望、认可,以及被人当真对待的资格。在任何场域里,一个结果不只有真假之分,它还携带着一种价值,这种价值取决于由谁做出、在哪里宣布、以及以怎样的方式 #包装。一份在六小时内完成、并在公共平台上宣布的证明,所赢得的符号资本,可能远胜于期刊里一条安静而细致的脚注,哪怕背后的数学完全相同。
第二副透镜是 #世界体系理论,它与"全球系统如何把活动划分为 #中心、 #半边缘 与 #边缘"的研究相关。这一框架最初针对经济,但很适合移植到全球 #知识经济 上。少数资金充裕的中心掌握着大部分算力、平台与受众,而正是这些让一项发现得以传播。一个结果在何处产生、在何处宣布,塑造了它能传多远、传多快,以及谁有条件从中受益。对身处最大研究中心之外的学生而言,这副透镜带来的更多是鼓舞而非沮丧,因为它表明:认真工作的价值,并不取决于你是否身处中心。
第三副透镜是 #制度同形,这是新制度主义理论中的一个核心观念。各类组织往往会变得彼此相似,并不总是因为模仿能改善结果,而是因为模仿带来 #合法性。当某种工具或方法成了"现代"的标志,学校、企业与实验室便会采用它,部分原因是为了在同行与出资方眼中显得可信。采用最新 #技术 的冲动,可能是 #模仿性 的——组织去复制它们所仰慕的对象;也可能是 #规范性 的——某一行业教导其成员,新方法才是正确的做法。这副透镜帮助学生理解:为什么一条引人注目的公告,就足以引发一波"跑在证据前面"的采用浪潮。
把这三副透镜合在一起,一则简单的新闻便成了一个内容丰富的研究对象。它们让我们既能尊重这项成就,又能睁大眼睛去读围绕它的故事。
三、研究方法
本文采用一种诠释性 #案例研究 取向,这非常适合分析一个信息丰富、学生可以近距离审视的单一事件。该方法分三步,而每一步都是学生今后可以对任何一条新公告自行重复的技能。
第一步是 #文献分析。我们汇集该事件的公开记录:最初的公告、验证工具实际确认的那条形式化表述,以及那些照管和研究这一问题集的数学家所给出的克制评论。在这一阶段,目标是只描述、不评判——只是把"宣称了什么、核对了什么、专家注意到了什么"摆出来。
第二步是 #主张配对。在这里,我们把公开主张与被证明的确切表述并排放在一起,记下两者之间的任何缝隙。这是全文中最具迁移价值的一项技能。标题是一种被压缩的概要,而压缩总会丢掉细节。有纪律的读者只问一个问题:被确切证明的东西,与标题所说"被证明"的东西,是否一致?
第三步是 #理论解读。我们让配对后的主张依次穿过上述三副透镜,问每一副揭示了什么。布迪厄帮我们看清公告周围的声望经济;世界体系理论帮我们看清"是谁掌握着让一个主张得以传播的基础设施";制度同形帮我们看清"为什么别的组织会争相效仿"。
四、分析
4.1 把主张与表述配对
分析中最重要的一步,也是最简单的一步。公开的叙述实际上说的是:一台机器在六小时里解决了一道悬置约三十年的开放问题。而形式化的记录显示:该系统为一条具体的表述给出了经过验证的证明,而这条表述是该问题较易的版本。最接近这一问题集的数学家对此说得既清楚又大方。他们既把这一结果赞为一段真实而令人印象深刻的自动化工作,也同时解释道:原始论文中那个更难的版本仍然 #悬而未决。他们甚至建议把这个较易的版本单列为一道标注清楚的题,好让记录保持诚实。
还有第二个细节值得学生注意,因为它是审慎思考的范本。一道长期开放的问题,未必就是一道抵挡了三十年努力的问题。有些问题之所以一直开放,只是因为很少有人再回头去碰它。一个问题可以是 #困难 的,也可以是 #被遗忘 的,二者并不相同。认清这一区别,能保护读者不至于把"开放"二字读得过重。审慎的数学家恰恰作了这一观察,而这丝毫无损于这项成就。
于是,当我们把主张与表述配对时,我们找不到欺骗,却找得到 #压缩。标题是关于一件令人印象深刻之事的一句真话,只是被稍稍拉伸,越过了被确切验证的那一点点。对学生来说,学会感觉到这一点细微的拉伸,比任何一条关于数论的零散知识都更有价值。
4.2 透过布迪厄来读
透过布迪厄的透镜,这一事件清楚地展示了 #符号资本 是如何被创造与流通的。数学一旦用 #形式化语言 写下,无论怎么宣布都是同一套数学。但流向相关各方的价值,却在很大程度上取决于 #叙述框架 与 #平台。一份自信的公开声明,把一个细致的技术结果转化为 #关注,而关注本身就是一种资本,可以换取资金、人才与影响力。
这并不是对相关人员的批评。每一个 #场域 都奖励对结果的传播,分享一项令人兴奋的工作并无不妥。给学生的教训是描述性的:当一个主张裹着强烈措辞向你走来时,你所看到的一部分,正是这个场域在做它分配声望的日常工作。理解了这一点的读者,既能欣赏这一结果,又能把 #成就 与 #掌声 分开。
4.3 透过世界体系理论来读
透过世界体系的透镜,这一事件显示出全球 #知识经济 是如何被 #基础设施 所在之处塑造的。规模大、资源足的中心,掌握着 #算力、验证工具,以及能让一个结果在几小时内触达全球受众的公共渠道。一个在这样的中心做出的发现,其传播方式不同于在 #边缘 做出的发现,哪怕二者的智识内容相当。
对于像 #瑞士国际大学 这样一所国际院校的学生而言,这副透镜带来的是积极而非令人气馁的信息。它解释了为何有些工作传播得更快,但也表明:那些根本的本领——审慎的推理、精确的表述、诚实的核验——并非某一个中心的私产。任何地方的学生,都可以学会 #形式化验证 的纪律,以及"把主张与表述配对"的习惯。知识系统的资源是不均衡的,但核心的智识美德是 #可迁移 的——对于那些远离最大枢纽的学习者来说,这实在是个好消息。
4.4 透过制度同形来读
透过制度的透镜,这一事件预示了一种熟悉的模式。一旦一个引人注目的结果让某种特定工具看起来像是"现代、严肃的组织"的标志,别的组织就会感到采用同一工具的压力。这种冲动一部分是 #模仿性 的——机构去复制它们仰慕的同行;一部分是 #规范性 的——专业训练开始把新方法当作正确的标准来对待。
这种模式本身并不有害,采用好工具是明智之举。审慎的学生需要警惕的风险,是那种跑在 #证据 前面的采用——机构拥抱某种方法,主要是为了昭示 #合法性,而不是因为它真正契合任务。同一冲动的健康版本,是由审慎的 #主张配对 来引导的采用:选择某件工具,是因为它确切所做之事,恰好契合你确切所需之事,而不是因为某一条标题让它流行起来。这样读来,制度同形就从一桩值得担忧的事,变成了清单上的一个检查项。它提醒学习者去问:这个方法,是因其结果而被选中,还是因其形象?
五、研究发现
分析得出若干发现,其用处远不止于这一则故事。
第一,这一事件是自动推理领域一项 #真实的成就。一套系统迅速地为一条真实的数学表述给出了完整且经机器核验的证明,而最有资格判断的人也把话说得清清楚楚。本文中没有任何东西在削弱这一点。
第二,公开的 #主张 比经过验证的 #表述 略宽了一些。该系统解决的是这道题较易的版本,而原始论文中较难的版本仍然开放。这道缝隙是标题里常见的 #压缩 所致,并非不诚实;而注意到它,正是一项核心的阅读技能。
第四,几副社会透镜各自都增添了价值。 #布迪厄 展示了 #符号资本 如何围绕公告形成; #世界体系理论 展示了 #基础设施 如何决定哪些结果得以传播; #制度同形 展示了为何一个结果就能引发一波模仿。这些透镜没有一副在攻击这项成就,每一副都加深了读者对"这则新闻为何呈现出这般模样"的理解。
第五,也是对学生最重要的一点:这一事件产出了一套简单且可反复使用的 #方法。把成就与叙述框架分开;把确切的主张与确切的表述配对;把公告放回到生产并奖励知识的系统之中。一个练习了这三个动作的学生,日后在阅读关于 #技术、科学与社会的种种主张时,都会既自信又公正。
六、结论
一份六小时完成的 #证明 的故事,归根结底,对教育是令人鼓舞的。它表明强大的新工具能够做出真实而出人意料的工作,也同样清楚地表明:人类那份细读的 #阅读 本领,依旧不可或缺、依旧令人受益。这两个真相安然共处。我们既可以为一台在一个工作日里给出 #经验证 结果的机器喝彩,也可以——而且不必减损一分热情——注意到那条公开主张,稍稍跑在了被确切核对之事的前面。
对于 #瑞士国际大学 的学生来说,值得带走的一课既实用又充满希望。当下一条令人兴奋的 标题 出现时——它一定会出现——有教养的回应既不是盲目喝彩,也不是条件反射式的否定,而是去问几个冷静的问题:究竟证明了什么?确切的主张与确切的结果是否相符?谁能从这则故事被包装的方式中获益,又是哪些系统在决定它能传多远?这些问题不会把学习者变得愤世嫉俗,反而会让他变得值得信赖——因为经得起这种 推敲 的结论,才是值得在其上继续建造的。
这个案例最深的一层信息是:好的思考与好的消息,本是朋友。那份能在标题里察觉一丝细微拉伸的细心,正是让学生能够恰如其分地欣赏一项真实 成就 的细心——不多一分,也不少一分。这种自信、公正而精确的平衡,是一所大学能教给学生的最宝贵的东西之一,而这则来自 数学 世界的小故事,把它讲得格外动人。
References
Acemoglu, D., & Johnson, S. (2023). Power and progress: Our thousand-year struggle over technology and prosperity. PublicAffairs.
Crawford, K. (2021). Atlas of AI: Power, politics, and the planetary costs of artificial intelligence. Yale University Press.
Mollick, E. (2024). Co-intelligence: Living and working with AI. Portfolio.
Suleyman, M., & Bhaskar, M. (2023). The coming wave: Technology, power, and the twenty-first century's greatest dilemma. Crown.
Bareis, J., & Katzenbach, C. (2022). Talking AI into being: The narratives and imaginaries of national AI strategies and their performative politics. Science, Technology, and Human Values, 47(5), 855–881.
Birhane, A. (2021). Algorithmic injustice: A relational ethics approach. Patterns, 2(2), 1–9.
Lindgren, S., & Holmström, J. (2022). A social science perspective on artificial intelligence: Building blocks for a research agenda. Journal of Digital Social Research, 4(3), 1–18.
Marginson, S. (2022). What is global higher education? Oxford Review of Education, 48(4), 492–517.
Selwyn, N. (2022). The future of AI and education: Some cautionary notes. European Journal of Education, 57(4), 620–631.
Kerr, A., Barry, M., & Kelleher, J. D. (2021). Expectations of artificial intelligence and the performativity of ethics. Big Data and Society, 8(1), 1–12.
Fourcade, M., & Johns, F. (2021). Loops, ladders and links: The recursivity of social and machine learning. Theory and Society, 50(5), 803–828.
Robertson, S. L., & Komljenovic, J. (2023). Platform capitalism and the higher education economy. Globalisation, Societies and Education, 21(2), 145–160.
Lim, M. A., & Øerberg, J. W. (2022). Active instruments and the symbolic economy of academic prestige. Higher Education, 84(3), 565–582.
Hallonsten, O. (2023). Imitation and isomorphism in contemporary science systems. Minerva, 61(2), 201–223.
留言