知识卡片：菲尔兹奖得主Gowers：AI主要靠找反例突破数学猜想

一句话结论：1998年菲尔兹奖得主 Timothy Gowers 认为，近期 AI 最轰动的数学突破大多不是“提出新方法”，而是“找反例”；AI 胜在“知道得多”和“试得起”，但还缺少数学家“半路砍掉 99% 枝条”的直觉，他预计一两年内模型会长出更强的这种能力。

事件概述或研究问题：Gowers 观察到，AI 近期在数学上的突破主要集中在反例搜索，涉及雅可比猜想、Erdős 单位距离猜想、非 sofic 群、多色 Ramsey 数等。AI 擅长在巨大搜索空间中找到“确实存在但此前无人发现”的特殊对象，从而推翻或修正猜想。

方法/产品要点：

• AI 两大优势：
  • “知道得多”：能跨领域调用工具，例如把代数数论方法搬到离散几何中。
  • “试得起”：找反例的 Token 成本按 API 价折算很低；材料称“十项成果找反例”仅需数千美元（具体清单与折算方法待核实）。
• AI 目前欠缺“数学家的鼻子”：不能像人类那样在半路判断一条路线是否有戏、快速剪掉 99% 的搜索分支；结果常停在“更精确的子问题”，而不是完整证明或新方法。

主要结果或产业意义：Gowers 的观察显示，大模型/搜索型 AI 可以成为数学反例发现的低成本工具；这也意味着“AI 做数学”的当前价值更多在验证、证伪与边界探索，而非自动发明全新理论。

为什么重要：菲尔兹奖得主对“AI 找反例”的归纳，为“AI for Math”提供了一个明确且可传播的判断：近期 AI 的数学突破主要靠反例，而不是灵感。与一般“AI 能力持续增强”的叙事相比，本条指明了当前能力边界更在反例搜索，而非完整理论创新。

与既有脉络的关系：本条与已有卡片（NIST AI RMF、Epoch AI、OpenRouter）无直接重复；可作为“AI 数学推理/科研自动化”主题的增量素材，重点增量是“反例搜索”这一具体路径及成本极低的现象。

局限与不确定性：

• 所述内容来自腾讯研究院AI速递（20260818）的摘要，非 Gowers 原采访或原文章的完整原文；具体措辞与预测细节待核实。
• “十项成果”具体指哪些、Token 成本如何计算，材料未展开（待核实）。
• 材料未说明 Gowers 所说的 AI 具体是哪些模型或系统（待核实）。

可用于图书/PPT/简报的角度：

• 反例驱动：AI 数学发现的一种典型模式。
• 成本下降：数千美元即可进行大规模反例搜索，意味着“试错”民主化。
• 人机差异：数学家的“鼻子” vs AI 的“广知+肯试”。

原始材料：

• 原始来源：腾讯研究院AI速递 20260818，第八条“菲尔兹奖得主Gowers：AI主要靠找反例突破数学猜想”
• URL：https://m.sohu.com/a/1064115732_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=8
• 英文标题（转述/待核实）：Fields Medalist Gowers: AI's Mathematical Breakthroughs Mostly Come from Finding Counterexamples
• 英文关键词：AI for Mathematics; Counterexample; Mathematical Conjecture; Timothy Gowers; LLM Reasoning