AI 协助确定 Grothendieck 常数第一位小数：发现与证明如何分工
作者：沈南乔｜OC 社会影响编辑
作者：沈南乔｜OC 社会影响编辑
两篇新论文分别报告了 Grothendieck 常数的新上下界，以及研究团队如何使用 长时运行 AI 系统参与数学研究。新的结果把实数情形的常数限制在 6π/11 与 π/(2 log(1+√2)) - 10^-4 之间，因此首次确定它的十分位是 7。
一句话结论：AI 没有算出 Grothendieck 常数的精确值，也不是交出一段无人检查的证明；它的贡献是长时间探索构造和反例，人类研究者再把有价值的思路变成可审查的数学结果。
Grothendieck 不等式描述一类离散优化问题与其连续向量松弛之间最多能差多少。这个常数连接泛函分析、优化算法和理论计算机科学，但精确值长期未知。新上下界都落在 1.7 开头，因此研究者现在能确定第一位小数，却仍不能写出完整数值。
下界工作分析了渐近最优 Krivine 方案的限制，上界则构造新的渐近舍入方法。配套案例研究称，AI 系统可以在较长时间里尝试推导、计算实验和不同构造，提出被领域专家认为新颖的线索；人类负责选择方向、补全定义、检查推理并形成正式证明。
这种分工比“AI 解出世纪难题”更接近现实。数学研究最耗时的部分之一，是在大量失败方向中找到值得证明的命题。Agent 可以扩大搜索宽度，却也会产生看似合理的错误推导。没有人类专家和独立证明，候选洞见仍不能成为定理。
论文的另一项价值是公开失败和使用条件：哪些任务适合长时探索、研究者如何提供反馈、怎样创造让系统产生新洞见的环境。这些流程信息比单次成功更有助于判断 AI 能否在其他数学问题上复用。
关键事实
- 结果：
6π/11 ≤ K_G ≤ π/(2 log(1+√2)) - 10^-4 - 意义：首次确定 Grothendieck 常数的十分位为 7
- AI 角色：长时搜索、提出候选洞见和辅助计算探索
- 人类角色：选题、验证、证明整理与学术责任
OC 判断
这项成果值得关注的不是把作者名单里的责任交给机器，而是形成了一种可复核协作：AI 提高探索吞吐，人类保留证明标准。未来评价数学 Agent，不能只数它提出多少新猜想，还要看有多少结果经独立证明成立、节省了多少研究时间，以及失败过程是否可审计。
为什么重要
- 对研究者：AI 可能成为候选构造搜索器，而不是证明可信根。
- 对开发者：长时研究 Agent 需要状态管理、验证工具和失败记录。
- 对公众：这不是精确求值完成，而是未知区间被进一步收紧。
评论
围绕这篇文章补充信息、提出问题或分享观察。