黄山市步积之泽287号 +13594780107 innermost@163.com

最新动态

  • Home
  • 王虹靠三维挂谷拿菲尔兹奖,OpenAI用3小时就解决了更难的四维版

王虹靠三维挂谷拿菲尔兹奖,OpenAI用3小时就解决了更难的四维版

2026-10-10 3833

2026年菲尔兹奖得主王虹,靠着三维挂谷集猜想的证明,拿下了数学界的最高荣誉。这道横跨百年的几何难题,在她手中实现了从二维到三维的历史性跨越,也成为近十年最重磅的数学突破。 而就在短短三个月后,OpenAI直接将这项研究往前推进了一大步:它不仅解决了难度更高的三维挂谷极大函数猜想,还首次证出四维挂谷集的豪斯多夫维数等于4,把人类此前卡在3.059维的最佳纪录推上了一个维度,达到了理论上限。 然而这还只是OpenAI挑战数学界的冰山一角。 这一次,OpenAI一口气放出722篇数学手稿,归为372个成果族,覆盖的领域远不止挂谷问题,还包括准黎曼假设、希尔伯特第十问题、卡塔兰常数相关问题等数十个困扰学界多年的经典难题,所有内容全部出自一个连名称都没有公开的内部模型,每个问题平均花费仅为3个小时。 OpenAI将这些手稿发布到了GitHub,上线不到24小时,就收获了1万颗星星。 人文数学协会(Association for Human Mathematics)称:“数学家没有要求OpenAI做这项工作”。并且表示,这些手稿缺乏验证,只是OpenAI的又一次“性能营销”。 01 074号手稿到底是什么? 挂谷问题的源头,是1917年日本数学家挂谷宗一提出的一个问题:假设你有一根细针,放在平面上,要把它原地调转方向,转完一圈(或者说,让它的指向走遍所有方向),针扫过的区域,最小能有多大的面积? 从直觉上来说,针有长度,转一圈总得扫出个圆盘吧? 其实不然。后来数学家贝西科维奇证明,只要转法足够“聪明”,针扫过的面积可以做到任意小,小到比你指定的任何一个正数都小。 在此基础上,数学家们构造出了“面积为零”的集合,里面却依然包含朝着每一个方向的线段,这类集合就叫“贝西科维奇集”(Besicovitch set),或者叫“挂谷集”。 既然面积可以小到0,那这个问题不就结束了吗?然而并没有。 因为“面积为零”只说明这个集合没有厚度、占不了地方,却没法表示它到底有多“复杂”。 一根线和一团线,它们在数学上的面积都可以是0,但显然这两者不是一回事。 所以数学家换了一个思路,这个集合虽然没有面积,但它到底像一条线、一个面,还是更接近一个实心的东西?于是就有了“维数”。 一条线是一维的,一张纸是二维的,一个箱子是三维的。但是一些特别“稀碎”的集合,它的维数甚至可以是小数,比如2.5维。 “豪斯多夫维数”就是其中最常用的一把尺子。它的逻辑是用很小很小的小球去盖住一个集合,需要多少个球?如果球的半径缩小一半,需要的球的数量变成了原来的二倍,那这个集合就是一维的,像线;如果变成四倍,就是二维的,像面;如果是八倍,就是三维的,像一个实心体。介于中间的,就是小数维。 在二维平面里,数学家早在1971年就证明了,任何包含所有方向线段的集合,维数必须是2,哪怕它的面积是0。 那么三维空间呢?四维呢?更高维呢?数学家猜测:在n维空间里,只要一个集合包含了所有方向的单位长度线段,它的豪斯多夫维数就必须等于n,哪怕它的体积是0。这就是著名的“挂谷集猜想”。 2026年,王虹获得菲尔兹奖。官方给出的获奖理由,是她在傅里叶限制问题和三维挂谷问题上的重大进展。其中最核心、也最广为人知的,就是前面讲的三维挂谷集猜想。 OpenAI这次解决的两个问题,则是王虹的“威力加强版”。 第一个,三维挂谷极大函数猜想。 名字里的“极大”,指的是一种“挑最大值”的做法。 假设空间里有一团雾,浓淡不均。拿一根细吸管,在不同的位置吸,吸管里装进的雾的平均浓度是不一样的。 把这个方向上所有可能的插法都试一遍,只记下其中浓度最高的那一次,这个“最高值”,就是这个方向的“极大值”。 再换一个方向,重复同样的事,又得到一个“最高值”。把所有方向的最高值收集起来,就得到了一个“方向与最高值”的对应关系,数学家把它叫作“挂谷极大函数”。 第二个,四维豪斯多夫维数猜想,也就是说,把前面的结论从三维搬到四维。 四维空间里的挂谷集,维数必须是4。目前人类在四维的最好成绩,是2021年用“平面刷”(planebrush)论证得到的3.059,也就是说,只能证明它至少是3.059维。从3.059到4,相当于直接提升了一个维度。 从二维到三维,问题的难度几乎是“质变”;从三维到四维,同样是质变。因为维数越高,那些“管子”能够互相穿插、堆叠的方式就越多,数学家需要处理的几何情形就越复杂。 因此,如果让数学家们亲自去完成这两个猜想,至少要花费几年时间。 然而按照OpenAI自己的说法,整个流程相当“朴素”。 用一个未发布的内部模型一个提示词,让一个Agent去跑,平均每个结果只消耗约3小时的ChatGPT Pro思考算力。 整个评估过程中,模型被扔进了大约4000个问题,经过归并、筛选,才留下了现在这722篇手稿。 02 O

about image

发表评论