孙宇晨奖第二批获奖者确认

最近，孙宇晨奖又有新消息了。

第二批获奖者陆续确认，独立研究者 Neel Somani 因解决两道数学问题获得认可。 看到这条消息，很多人的第一反应可能是：解两道数学题，就能拿到百万美元奖金？ 听起来确实有点夸张。 不过，如果把目光从奖金上移开，这件事其实还有一个更值得关注的地方：当 AI 开始参与数学研究，我们究竟该如何判断它是真的解决了问题，还是只给出了一个看起来正确的答案？ 这可能才是孙宇晨奖最值得聊的地方。 一、解两道数学题，为什么能获得奖励？ 先说说这次的获奖者。 根据相关公开信息，Neel Somani 解决了孙宇晨奖题库中的第 239 号和第 327 号问题。 这两道题都与数论有关，分别涉及覆盖系统，以及中心二项式系数之间的关系。 如果你不是数学专业出身，看到这些名词可能已经有点头大了。 其实不用把它想得太复杂。 我们平时做数学题，往往是把已知条件代入公式，算出一个结果。但数学研究中的难题，经常不是让你算出某个数字，而是要求你证明：某个结论对无穷多个数学对象都成立。 这就完全是另一回事了。 你可以找到几个例子支持自己的想法，却不能因此认定所有情况都成立。你需要找到一套严谨的推理，把每一步都讲清楚，最终让别人相信这个结论确实正确。 有时候，研究者可能花费数月甚至更长时间，才找到一个突破口。 所以，数学悬赏真正奖励的，不是算得快，而是解决了别人还没有解决的问题。 二、孙宇晨为什么要拿出这么多钱？ 孙宇晨奖于 2026 年 9 月设立。根据此前公布的项目信息，初始题库包含 66 道数学问题，公布的总奖池规模为 1000 万美元，单题最高奖金达到 100 万美元。 🔴100 万美元，折合人民币大约是数百万元。 对于很多研究者来说，这显然是一笔相当有吸引力的奖金。 但这项奖还有一个比较特别的设计。 它不只奖励把数学问题解出来的人，也考虑奖励把证明过程转化为机器可以检查的形式的人。 这里就涉及一个叫 Lean 的工具。 名字听起来有点陌生，但它解决的问题其实很容易理解。 假设有人告诉你：“我已经证明了这个数学结论，你看看我的推导有没有问题。” 你当然可以请其他数学家来检查。但证明一旦变得特别复杂，人工核查也可能很费时间，而且很难避免疏漏。 Lean 则提供了一种不同的方式：把数学定义、定理和证明过程写成形式化的表达，再交给系统检查其逻辑是否成立。 按照该奖此前公布的规则，数学解题者与形式化验证者的奖金分配比例分别为 70% 和 30%。如果同一个人完成两项工作，则可以获得全部奖金。 🟠换句话说，找到答案有价值，把答案严谨地证明出来，同样有价值。 当然，机器验证也不是万能的。它检查的是形式化框架内的证明是否成立，题目本身的设定和前提是否合理，仍然需要研究者认真判断。 三、这件事为什么让我想到 AI？ 如果放在几年前，我们讨论 AI，可能还主要围绕聊天、写文章、生成图片这些应用。 但现在，AI 的能力边界正在不断被探索。 它不仅可以回答问题，还能帮助研究者阅读资料、寻找思路、生成代码，甚至参与复杂数学问题的推理。 不过，这里有一个很容易被忽略的区别。 AI 能写出一份看起来非常漂亮的证明，不代表这份证明就一定正确。 我们平时使用大模型，应该都遇到过类似的情况。 问它一个问题，它回答得头头是道，逻辑看起来也很顺。但仔细检查，可能会发现其中某个数据不对，或者某一步推理根本没有依据。 普通聊天场景下，这种问题可能只是让人多花几分钟核实。 可如果换成数学研究、科学计算，甚至涉及生命安全的工程应用，错误的代价就完全不一样了。 这也是为什么，AI 的科研能力不能只看它给出的答案是否像那么回事。 🔵更重要的是，它能不能拿出经得起检查的结果。 在数学领域，形式化证明是一条很有价值的探索路线。AI 可以尝试寻找证明思路，再借助 Lean 等工具检查形式化证明是否成立。 这并不意味着 AI 已经能够独立攻克所有数学难题，也不意味着这次获奖的全部工作都是 AI 完成的。 真正值得关注的，是人类研究者、AI 和验证工具之间，能否形成一套更高效的协作方式。 四、AI 会不会让数学家失业？ 每当 AI 在某个专业领域取得进展，类似的问题总会出现。 这次也不例外。 我的看法是，与其急着讨论数学家会不会被取代，不如先看看 AI 究竟改变了研究过程中的哪些环节。 以前，研究者可能需要花费大量时间查阅资料、尝试不同的证明路径，再逐步排除错误。 如果 AI 能够帮助完成其中一部分工作，研究者就有机会把更多精力放在真正关键的问题上：提出有价值的猜想、判断研究方向，以及理解结果背后的数学意义。 但这里也不能过度乐观。 数学研究并不是把一道题交给模型，然后等着答案出来。问题如何定义、哪些假设合理、证明是否完整，以及成果究竟有什么意义，都不是简单地生成一段文字就能解决的。 AI 更可能先改变数学家的工作方式，而不是立刻取代数学家。 当然，未来随着工具不断进步，这种分工也可能继续变化。 五、比起百万美元奖金，我更关心另一件事 孙宇晨奖的高额奖金很容易成为新闻标题。 100 万美元、66 道数学题、1000 万美元奖池，这些数字足够吸引眼球。 但我觉得，这项计划真正需要时间来回答的问题，其实有三个。 第一，获奖成果能不能经得起独立核验？奖金再高，也不能代替严谨的数学证明。 第二，AI 在这些成果中究竟发挥了多大作用？人类独立完成、AI 辅助推理，以及人机共同寻找证明路径，是不同的情况，需要具体分析。 第三，这种公开悬赏的模式能不能持续产生有价值的研究成果？如果只是短期制造热度，影响终究有限；如果能够不断推动真正的数学突破，意义就不一样了。 这些问题，都比单纯讨论谁拿到了多少钱更值得关注。 另外，也需要说明一点：数学奖项的价值与相关加密资产的投资价值并不是一回事，不能因为奖项受到关注，就直接推断某种代币会因此上涨。 最后聊几句 这次孙宇晨奖的消息，让我想到一个变化。 过去，我们评价 AI，常常会问它答题准不准、写文章好不好、代码能不能运行。 但随着 AI 开始进入更专业的领域，评价标准可能也需要改变。 它不仅要能生成结果，还要尽可能让结果能够被检查、被复现，并接受外部验证。 数学研究恰好是一个很适合观察这种变化的领域，因为一道题究竟有没有被证明，不能只看回答得是否流畅。 AI 真正值得期待的地方，不是它能说出多少令人惊讶的话，而是它能不能帮助人类解决过去解决不了的问题，并且拿出可靠的证据。 至于孙宇晨奖能否成为推动这一进程的重要力量，还需要看后续的实际成果。 百万美元的奖金确实吸引眼球。 但最终留下来的，应该是那些真正经得起检验的数学成果。