科学研究，尤其是数学研究，正在被AI彻底改变。两位数学研究人员利用GPT-5在一个周末内解决了十个埃尔德什难题。这些问题是数学家埃尔德什生前留下的约一千多个问题，此前人类只解决了部分。
上周，OpenAI的研究科学家Sebastien Bubeck首次确认了这一成果。今天，其中一名研究人员Mark Sellke最终确认了细节。他们通过向GPT-5提问数千次，找到了十个未解决的埃尔德什难题的解决方案，并在另外十一个问题上取得了显著进展。
这种通过AI查询搜索的研究方式可能彻底改变科学和数学等基础学科的研究方法。Bubeck特别提到GPT-5 Pro在文献搜索方面的能力非常强大。例如，在问题339上，GPT-5 Pro经过搜索确认，其实有其他数学家在20年前就已经解决了这个问题。这种深层的文献搜索能力目前只有AI能够做到。著名数学家陶哲轩也表示，AI正在改变数学研究。
陶哲轩认为，未来AI在数学上的最有成效应用将来自“中等能力”的AI处理那些琐碎、耗时但不可或缺的研究环节，如帮数学家查文献、整理笔记、验证引用和归档资料。他用埃尔德什难题的例子来说明这一点。在一个叫Erd?s Problems的网站上，收录着上千个以数学家保罗·埃尔德什命名的命题，其中大约600个被标注为“未解决”。
几天前，几位数学志愿者尝试了一个新方法——用AI深度检索工具重新搜索资料，解决这些数学难题。AI帮助他们找到一批疑似已有解的线索，人工再复核、比对、阅读。短短几天内，六个原本被列为“未解决”的问题被重新标记为“已解决”。评论区因此变得热闹起来，有人惊讶于这些问题早被解决只是没人发现，也有人开始使用同样的工具继续筛查更多问题。
数学界第一次感受到：AI不一定帮你“解出”什么，但能帮你“发现”被遗忘的答案。AI工具输出不会直接进入网站，而是由人工复核后更新。过去几天评论区明显活跃了，出现了更多带文献链接的注释，说明很多发现确实是AI辅助完成的。
陶哲轩本人在Github上维护了一个Erd?s Problems数据库，并在最近更新了数据库。这些问题中有些还有悬赏金，比如一个悬赏10000美元的数论题已经在2001年被Baker、Harman和Pintz解决，但在2025年9月28日才正式确认，大概率是在AI的帮助下找到的。
从查文献开始，AI正悄悄重塑数学研究。在数学研究中，查文献一直是最让人头疼的环节之一。如果问题有清晰的名字和固定的研究圈子还好，但如果问题没有标准名称，或者埋在几十年前的期刊里，藏在不同学派、不同语言的论文中，甚至被研究者“顺带提了一嘴”，传统方法就显得力不从心。AI则能跨语义、跨领域地扫描大规模文献，用自然语言理解捕捉相似概念。
当然，AI查文献并不需要“完美命中”，只要能在同样时间内找到更多有用的线索、减少无效命中，就已经赢了。学者在学会使用之后，投入的时间成本会被多次使用“平摊”，越用越值。这种模式的意义不仅在于提高效率，更在于重构科研的节奏。AI的成功率不必是100%，只要比传统方法更高，就能带来真正的生产力提升。
在传统科研中，当研究者查遍资料却一无所获时，这个过程通常不会写进论文。但AI的系统化搜索可能改变这种状况。机器以同样的标准批量检索上百个问题时，“没查到”也变成了可量化的数据。这使得科研流程第一次具备了信息闭环：正向结果指向进步，反向结果避免浪费。
AI不仅帮人找到答案，也让“没有答案”成为有价值的发现。它让科研流程第一次具备了信息闭环：正向结果指向进步，反向结果避免浪费。这或许才是AI带来的真正文化变革，它让科学回到最朴素的样子——诚实地呈现事实，不论好坏。
陶哲轩的思考看似在谈AI，实际上是在谈“人类如何重新组织知识”。AI不会创造真理，而是在于让人类更快接近真理。它让重复劳动变得可控，让查不到结果也能成为信息；它不是研究者的竞争者，而是科研世界里第一个真正的时间节省器。它让数学家不再被搜索、整理、验证这些繁琐工作拖住，而是能把注意力重新放回那件最重要的事——思考。
