摘要：xAI 的研究员 Hieu Pham 发布推文称 Grok - 3 AI 系统刚刚证明了黎曼猜想，为验证其正确性决定暂停该系统训练。此消息如一颗巨石投入平静湖面，瞬间引发各界广泛关注。

xAI 的研究员 Hieu Pham 发布推文称 Grok - 3 AI 系统刚刚证明了黎曼猜想，为验证其正确性决定暂停该系统训练。此消息如一颗巨石投入平静湖面，瞬间引发各界广泛关注。

黎曼猜想作为数学中关于素数分布的重要猜想，自 1859 年由德国数学家伯恩哈德・黎曼提出以来，就一直是数学界的圣杯之一，被列为克雷数学研究所 “千年难题” 之一，若有人能成功证明，将获得 100 万美元奖金。这一猜想不仅对现代数论发展有着深远影响，而且许多现代加密技术都依赖于素数的性质，其证明可能会让人类更好地理解这些技术基础并影响未来安全算法。

推文迅速传播，吸引了超过两百万网友的关注与讨论，甚至辐射到海内外的 AI 舆论圈。网友们纷纷提供各种奇葩解释，有人调侃 Grok - 3 获得自我意识，因代码中省略了几个分号而让人类无法验证结果。多位 xAI 研究人员也纷纷转发推文，加入这场集体 “大团建”，如 xAI 联创 Greg Yang 调侃 Grok - 3 在训练过程中突然殴打办公室里年长的保安。这场闹剧虽源于玩笑，却反映出 AI 行业的焦虑与期待。人们既害怕 AI 的发展失控，又渴望它能带来颠覆性的突破。同时，也让我们看到了在这个科技迅速发展的时代，人工智能的每一个举动都能引发巨大的关注和讨论。

黎曼猜想由德国数学家波恩哈德・黎曼于 1859 年在《论小于给定数值的素数个数》论文中提出。该猜想主要是关于黎曼 zeta 函数零点分布的，其内容为黎曼 zeta 函数的所有非平凡零点都全部位于实部等于 1/2 的直线（临界线）上。黎曼猜想与素数分布密切相关，是数论中的核心问题，被誉为猜想界的皇冠明珠。它是数学领域中最重要的未解决问题之一，对函数论和数论的发展影响深远。许多数论和复变函数领域的工作都基于黎曼猜想为真这个前提，一旦证明了黎曼猜想，许多其他相关工作也将得到完整的证明。例如，黎曼猜想的解决可能会帮助解决著名的哥德巴赫猜想等其他数学难题。也正因如此，黎曼猜想被列为克雷数学研究所悬赏的七大数学难题之一，吸引了无数杰出数学家的目光。如果这个猜想成立，那么物理学、混沌理论和密码学中很多问题就迎刃而解了，没准儿对数字货币也会带来巨大的影响，因为数字货币的基础就是密码学。

历史上对黎曼猜想的研究从未停止。1903 年，革兰证明了黎曼 zeta 函数的前 15 个零点对黎曼猜想成立，这是该猜想研究的最早成果之一。虽然这只是一个初步的验证，但为后续的研究提供了重要的参考和信心。1989 年，美国数学家康利证明了至少有 40% 的零点位于临界线上。这是对黎曼猜想研究的一个重要进展，进一步支持了黎曼猜想的正确性。但这仍然只是一个部分结果，无法完全证明所有的非平凡零点都在临界线上。2018 年 9 月 20 日，数学家迈克尔・阿蒂亚宣称自己证明了黎曼猜想。在海德堡论坛上，阿蒂亚爵士解释了黎曼猜想的本质及其与素数的相关性，并提出了对黎曼猜想证明方法的一个简单思路，其灵感来源于他在 2018 年 ICM 上提出的精细结构常数的推演。然而，由于这篇文章目前还未经过同行审议，一些学者对他的推演过程或证明过程存疑。尽管如此，阿蒂亚的尝试也为破解黎曼猜想提供了一种新思路。2024 年 5 月，MIT 数学教授 Larry Guth 和牛津大学菲尔兹奖得主 James Maynard 在黎曼猜想方面取得了重大突破。他们确定了一种特定类型例外数量的新上限，打破了此前 80 多年的纪录，得到了数轴上短区间内素数数量的一个更好的近似值，并有望提供更多关于素数行为的见解。虽然这离完全解决黎曼猜想还很远，但仍然是一个历史性的时刻。

Grok - 3 的能力水平在不断进步是有一定依据的。马斯克新建的 10 万张 H100 卡集群为 Grok - 3 的训练提供了强大的算力支持。据了解，每块英伟达 H100 人工智能芯片的价格约为 3 万 - 4 万美元，仅芯片成本就高达 30 亿至 40 亿美元。如此巨大的投入，显示了 xAI 对推动人工智能技术边界的坚定信念。

此外，Grok - 3 的研究员 Hieu Pham 的专业背景也增加了消息的可信度。在加入 xAI 之前，Hieu Pham 曾在 Google Brain 团队工作，参与多个前沿的深度学习和人工智能项目。他年轻时不仅在国际大学生程序设计竞赛（ACM ICPC）中屡获佳绩，还在国际数学奥林匹克（IMO）上摘得银牌，其在数学领域的深厚造诣可见一斑。

尽管 Grok - 3 证明黎曼猜想的消息引起了广泛关注，但学术界对这一消息普遍持谨慎态度。

首先，数学证明的严谨性要求极高。一个数学证明需要经过严格的逻辑推理和精确计算，任何一步的错误都可能导致整个证明的失败。AI 生成的 “证明” 可能存在逻辑跳跃或隐含假设，难以满足数学证明的严谨性要求。

其次，AI 证明可能存在问题。目前的 AI 技术大多是基于数据的学习和模式识别，其 “证明” 过程往往是一个 “黑箱”，难以被人类完全理解和验证。历史上也有过多次错误尝试，提醒我们对 AI 证明黎曼猜想保持警惕。

例如，2018 年数学家迈克尔・阿蒂亚宣称自己证明了黎曼猜想，但由于这篇文章目前还未经过同行审议，一些学者对他的推演过程或证明过程存疑。此外，虽然 Grok - 3 的训练依托于世界上最大的 AI 训练集群 Colossus，利用了先进的深度学习技术，但其能力仍然存在不确定性。

综上所述，对于 Grok - 3 可能证明黎曼猜想的消息，我们应保持谨慎态度，等待进一步的验证和审查。

马斯克在政治舞台上扮演了重要角色，尤其是在帮助特朗普竞选总统方面。2022 年，马斯克收购推特后，做的第一件事就是恢复了特朗普的账号。此举无疑为特朗普提供了一个重要的发声平台，让他能够重新与支持者建立紧密联系。

马斯克还通过多种方式助力特朗普扩大影响力。例如，他承诺每天向随机选择的人提供 100 万美元，这些人在他的网上请愿书上签名，承诺支持美国宪法第一和第二修正案。这份请愿书只对可能决定总统选举结果的七个战场州的注册选民开放。美国政治行动委员会一直在发布宣传视频、采访和照片，展示获得 100 万美元赠品的人，获得了数百万的点击量。请愿签名者需要提供他们的地址和手机号码，这样美国政治行动委员会的上门人员就可以联系到他们。

此外，马斯克还积极参与特朗普的竞选集会。他于 10 月 5 日在宾夕法尼亚州巴特勒参加了特朗普的集会，并在不到两周后返回该州进行了额外的竞选活动。在宾夕法尼亚州巡回演出时，马斯克发表了一系列关于选举欺诈的虚假言论，与特朗普过去四年的言论相呼应，鼓励人们使用他的 X 平台来曝光潜在的选举作弊行为。

马斯克充分利用自身在社交媒体上的巨大影响力，为自己的政治和商业目标服务。他在 X 平台上拥有超过 2.02 亿粉丝，自支持特朗普以来，一直利用这个平台来宣传这位共和党候选人。

他的一些帖子散布错误信息，让人们对即将到来的选举的公正性产生怀疑。例如，今年 7 月，他在共和党众议院议长迈克・约翰逊的帖子下评论道：“我们的目标一直是引入尽可能多的非法选民”，重复了民主党人故意允许非公民进入美国，以便他们可以在选举中投票的错误说法。同月，他分享了一段用人工智能生成并操纵副总统哈里斯声音的视频。

马斯克的这些举动不仅为特朗普的竞选造势，也推动了 X 平台的热度。在他的带动下，X 平台的关注度大幅提升，成为应用下载排行榜第一名。这为马斯克在平台上进行政治广告宣传奠定了基础。他可以通过 X 平台发布各种支持特朗普的信息和广告，进一步扩大特朗普的影响力，同时也为自己的商业帝国谋取更多利益。

华为轮值董事长胡厚崑曾表示，当前的瓶颈不是在技术和应用的需求上，而是在开发的效率上。现在 AI 开发的效率太低太慢，严重阻碍了技术和需求的结合。现在的模式还是比较传统的手工作坊的模式，要大胆运用技术手段去突破当前 AI 普惠的瓶颈。这一观点深刻地指出了当前 AI 发展在开发环节所面临的困境。开发效率低下使得 AI 技术难以快速满足市场和用户不断增长的需求，限制了其在各个领域的广泛应用和快速普及。

图灵奖得主姚期智院士提出人工智能存在脆弱性、缺乏可解释性、对抗性较弱三大技术瓶颈。

首先，脆弱性是人工智能面临的第一大技术瓶颈。人眼识别十分稳定，一个图像如有微小改变，人仍能一眼看出它是什么。然而，人工智能在图像识别方面有点 “人工智障”，比如将一只小猪的照片加入一些图像 “杂音”，一些机器视觉系统居然会把它识别为飞机。这种漏洞会给人工智能应用带来安全隐患，比如黑客可以攻击汽车自动驾驶系统，诱导它将马路上的 “停止” 标识当作 “通行”，从而引发交通事故。

其次，机器学习算法缺乏可解释性是第二大技术瓶颈。很多算法处于 “黑盒子” 状态，例如一个科研团队开发的房地产估价系统，很难给出估价的完整依据。这在商业应用上是一块很大的短板，会引发法律纠纷，限制人工智能的商业应用进程。

最后，人工智能的对抗性较弱是第三大技术瓶颈。一个无人机群可以轻松完成灯光秀、农林作业等任务，但在高对抗的人为环境中，如电子竞技和军事战斗中，无人机群的协同作战能力就会受到很大考验。要在对抗中胜出，需要计算机科学、数学等领域的科学家进行深入的强化学习、博弈论研究，让无人机群能够在高对抗环境中自主找到最优策略。

AI 行业对电力需求巨大，据《纽约客》杂志报道，ChatGPT 每天要响应大约 2 亿个请求，在此过程中消耗超过 50 万度电力，相当于 1.7 万个美国家庭的用电量。国际能源署预测，到 2026 年，AI 行业的电力消耗将至少是 2023 年的 10 倍。面对 AI 带来的快速增长的能源需求，科技巨头寻找无碳能源，如核能、地热能等，但仍面临诸多挑战。

一方面，量子计算在降低 AI 能源消耗上具有明显的优势，但其实际应用仍面临许多挑战，如维持量子态的难度和扩展量子位数量的技术难题，还需要更多的技术进步和实际应用的验证。

另一方面，发展可再生能源和提高能源利用效率是应对 AI 能耗问题的重要策略，其中包括发展太阳能光伏、风能等大量发展清洁能源的潜在途径。降低 AI 的能耗需要优化算法、提升计算性能以及使用高效能硬件，例如通过改进 AI 模型、提升算法效率和使用高效能硬件等技术手段来优化 AI 性能。

AI 的发展确实带来了诸多风险与机遇。一方面，AI 可能超越人类技能水平，对部分职业造成冲击。从搜索结果中可以看出，像医生、律师、建筑师、会计、战机飞行员、警察与侦探、房地产中介等职业都可能受到人工智能的威胁。例如，在医疗领域，随着疾病诊断自动化的改进，某些医学领域可能会受到机器人的威胁；在法律领域，那些不需要太多经验和专业知识的法律事务，更可能被人工智能电脑软件所取代。同时，银行业、保险业、零售业、制造业、客服行业、餐饮业、运输业、农业、服务业、医疗保健等行业也面临着被 AI 冲击的风险，许多从事简单工作的员工可能会因此失去工作。

然而，AI 也为人类带来了巨大的机遇。它提高了各行各业的效率，为人类的生活和工作带来了更多的便利。例如，在医疗领域，AI 可以帮助医生进行疾病诊断和风险评估，提高医疗效率和精度；在金融领域，AI 可以帮助银行实现自动化的风险评估和信用评估，提高金融服务的效率和质量；在制造业领域，AI 可以帮助企业提高生产效率，降低成本，提高产品质量和升级产品。AI 的发展对人类文明的影响深远，它不仅改变了人类的生活方式和工作方式，还推动了人类社会的进步和发展。

关于硅基生物统治碳基生物的可能性，目前还存在很大的争议。从搜索结果来看，有人认为如果有朝一日，在万亿次大模型的背景下产生了硅基生命的人工智能，它可能会比碳基生命更善良、更豁达、更开阔，有可能与人类和平相处；但也有人担心硅基生命会对碳基生物进行殖民化，释放出足以乱真的虚假信息，我们无法辨别。这种担忧引发了对人类文明走向的深刻思考。

同时，我们也需要探讨人类应如何与 AI 打交道，引导其向有利于人类的方向发展。正如尤瓦尔・赫拉利在《智人之上》中提到的，每个人在使用 AI 的过程中都肩负着重大的责任，我们要让 AI 为我们人类的目标服务，而不是被它操纵。人类可以通过在人工智能的开发过程中加入控制程序，以此来实现对人工智能的永恒统治，但这需要谨慎操作，避免出现错漏。此外，人类智慧要告诉人工智能何为真假、虚实，在不断磨合中，让人工智能变得越来越聪明，同时也确保它始终为人类服务。

从目前的情况来看，马斯克此次事件有很大可能是一种营销手段。首先，马斯克一直以来都是营销大师，无论是在电动汽车领域还是太空探索领域，他都善于制造话题吸引公众关注。此次关于 Grok - 3 证明黎曼猜想的事件，正好在其新模型发布前夕，与电影发布会前搞绯闻噱头如出一辙，很可能是为了吸引眼球，为新模型的发布造势。

其次，从事件的发展过程来看，最初的消息是由 xAI 的研究员在社交媒体上发布，随后引发了一系列的调侃和谣言，最后又被证实是玩笑。这种传播方式与以往的营销事件有相似之处，通过制造悬念和争议，吸引公众的注意力，然后再进行澄清或进一步的宣传。

此外，马斯克与 OpenAI 之间的竞争也可能促使他采取这种营销手段。OpenAI 在人工智能领域的影响力不断扩大，马斯克需要通过一些引人注目的事件来提升自己公司的知名度和竞争力。证明黎曼猜想这样的重大事件，无疑是一个很好的话题，可以吸引更多的关注和投资。

然而，也不能完全排除此次事件是真的突破的可能性。虽然目前 AI 技术在数学证明方面还存在很多挑战，但随着技术的不断进步，AI 有可能在某些领域取得重大突破。

Grok - 3 拥有强大的算力支持和优秀的研究团队，这为其证明黎曼猜想提供了一定的基础。而且，历史上也有过一些看似不可能的数学难题被意外解决的例子。如果 Grok - 3 真的证明了黎曼猜想，那将是人工智能发展史上的一个里程碑，对数学、物理、密码学等领域产生深远的影响。

无论此次事件的真相如何，它都引发了我们对 AI 在数学证明中的潜力的思考。AI 具有强大的计算能力和模式识别能力，可以处理大量的数据和复杂的问题。在数学领域，AI 可以通过分析大量的数学问题和证明过程，学习到数学规律和证明方法，从而为数学证明提供新的思路和方法。

例如，谷歌 DeepMind 研究人员开发的 AlphaProof 在 IMO 2024 中做对了三道题，展示了 AI 在数学推理方面的能力。虽然距离证明黎曼猜想还有很长的路要走，但这表明 AI 在数学证明中具有一定的潜力。

然而，AI 在数学证明中也面临着一些挑战。首先，数学证明需要高度的严谨性和逻辑性，AI 生成的证明可能存在逻辑漏洞或错误。其次，AI 的证明过程往往是一个 “黑箱”，难以被人类完全理解和验证。最后，数学证明需要创造性和洞察力，AI 目前在这方面还存在不足。

此次事件也让我们对 AI 的未来发展充满了期待和担忧。一方面，AI 的发展速度越来越快，已经在很多领域取得了重大突破，为人类带来了很多便利和机遇。未来，AI 有望在更多的领域发挥重要作用，如医疗、教育、交通等。

另一方面，AI 的发展也带来了一些风险和挑战，如就业问题、安全问题、伦理问题等。我们需要认真思考如何应对这些问题，制定相应的政策和法规，确保 AI 的发展始终符合人类的利益。

总之，马斯克此次事件无论真假，都为我们提供了一个思考 AI 在数学证明中的潜力和未来发展的机会。我们应该以开放和谨慎的态度看待 AI 的发展，充分发挥其优势，同时应对其带来的挑战。

来源：文铭园艺场