马斯克新AI破解千年难题却被紧急喊停？这个“玩笑”怎么让AI圈一夜未眠

oppledr

Grok-3 证明「黎曼猜想」了？xAI 研究员 Hieu Pham 周末发布的一条推文在 AI 圈掀起轩然大波。推文原话是这么说的：Grok-3 AI 系统刚刚证明了黎曼猜想（Riemann’s hypothesis）。

为了验证这一证明的正确性，我们决定暂停该系统的训练。

如果证明被确认无误，我们将不再继续其训练，因为这样的AI 被认为过于智能，可能对人类构成威胁。
老规矩，先说结论，这单纯只是玩梗而已。然而，推文的不断发酵迅速引来了超 200 万网友的围观，辐射到海内外的 AI 舆论圈。事情的源头大概要追溯到网友 Andrew Curran 更早些时候的一则「爆料」，其声称 Grok-3 在训练过程中发生了灾难性事件。

随后，各种离奇的传言纷至沓来。网友起哄说，OpenAI CEO Sam Altman 用巨大的激光器对准了 xAI 的最大训练集群，导致数据严重损坏；也有人煞有介事地暗示有人蓄意破坏下一代 LLM 训练运行；更有调侃称，AI 似乎获得了自我意识，并解决了黎曼猜想，但在证明代码中「故意省略了15个分号」，使人类无法验证。

连 Runway 创始人 Cristóbal Valenzuela 也来凑热闹：Gen-4 刚刚荣获了包括最佳影片在内的所有奥斯卡奖项。

为了深入研究其在艺术领域的创新成果，我们决定暂停对其进行的训练。

如果这部电影确实如早期评论家所言具有革命性，我们将不会恢复训练，因为这表明 AI 在艺术方面已经达到如此高的水平，以至于可能威胁到人类的创造力。
谣言就这么越传越邪乎。多位 xAI 研究人员也纷纷转发 Andrew Curran 推文，加入这场集体「大团建」。比如我们的老熟人 xAI 联创 Greg Yang 率先调侃道，Grok-3 在训练过程中突然殴打办公室里年长的保安。

另一位研究人员 Heinrich Kuttler 则表示：「是的，情况非常糟糕！我们后来用nan（Not a Number，非数）把所有异常的权重都替换了一遍，才恢复。」当然，更理性的网友直接在 X 上询问当前版本的 Grok 对黎曼猜想的理解。不出所料， Grok 的表现相当「玛卡巴卡」。

最终，这场闹剧由始作俑者——xAI 研究员 Hieu Pham 亲自画上句号：好的，《周六夜现场》结束了。

至于为什么证明黎曼假设是危险的，我强烈推荐马特·海格的精彩小说《人类》。
那么问题来了，为什么这则 Grok-3 证明黎曼猜想的消息能引起广泛的关注呢？首先是 Grok-3 解决黎曼猜想本身的重要性。黎曼猜想（Riemann Hypothesis）是数学中一个关于素数分布的重要猜想，由德国数学家伯恩哈德·黎曼于 1859 年提出。该猜想被列为克雷数学研究所（Clay Mathematics Institute）的「千年难题」之一。

它涉及到黎曼ζ函数（Riemann zeta function），这个函数定义为：
ζ(s)=1+12s+13s+14s+⋯\zeta(s) = 1 + \frac{1}{2^s} + \frac{1}{3^s} + \frac{1}{4^s} + \cdotsζ(s)=1+2s1+3s1+4s1+⋯黎曼猜想的核心内容是：所有非平凡的黎曼ζ函数零点的实部都等于1/2。换句话说，如果 ss 是黎曼ζ函数的一个非平凡零点，即 ζ(s)=0ζ(s)=0，那么其实部必定是 ℜ(s)=1/2ℜ(s)=1/2。克雷数学研究所说了，如果有人能够成功证明或证伪黎曼猜想，将奖励 100 万美元的奖金。但这个猜想至今没有被证明或反驳，也因此被广泛认为是现代数论中的一个未解之谜。

这个猜想的证明对于数论（数学的一个分支）有着深远的影响。目前，很多现代加密技术（比如保护网上支付、数据隐私等）都依赖于素数的性质。证明黎曼猜想或将会让人类更好地理解这些技术的基础，并且可能影响到未来的安全算法。假如 Grok-3 能证明黎曼猜想，这不仅将推动理论数学、物理学、密码学等领域的大幅进展，同时也标志着 AI 在推理和解决复杂问题方面的巨大进步。甚至可以说，这将成为 AI 超越人类智能的一个里程碑事件。

月之暗面创始人杨植麟曾表示，数学场景是锻炼 AI 思考能力最理想的场景。数学是一个极其严谨的逻辑体系，而 AI 的推理能力往往建立在严密的逻辑推导之上。AI 解决数学问题的过程实质上是一个持续思考的过程，在这个过程中，它会不断尝试不同思路，通过反复试错来寻找正确答案。即便计算过程中出现错误，AI 也能通过验证和校对来纠正结果。

类似的理念也体现在 OpenAI o1 的强化学习训练上。如果说以前的大模型是学习数据，o1 更像在学习思维。就像我们解题，不仅要写出答案，也要写出推理过程。一道题目可以死记硬背，但学会了推理，才能举一反三。所以在今年美国针对优秀高中生的 AIME 测验当中，GPT-4o 仅完成了 13% 的题目。相比之下，o1 的正确率高达 83%。就博士水准的 GPQA Diamond 科研测评而言，GPT-4o 获得了 56.1% 的成绩，而 o1 的表现更为出色。不仅胜过了人类博士的 69.7%，更是达到了 78% 的正确率。

在国际信息学奥赛的评测中，当每道题允许 50 次尝试时，模型达到了 49% 的得分率，即 213 分，而当每题提交机会增至一万次时，其最终得分提升至 362 分。拿打败围棋世界冠军的 AlphaGo 类比，就更加容易理解了。AlphaGo 就是通过强化学习训练的，先使用大量人类棋谱进行监督学习，然后与自己对弈，每局对弈根据输赢得到奖励或者惩罚，不断提升棋艺，甚至掌握人类棋手想不到的方法。

o1 和 AlphaGo 有相似之处，不过 AlphaGo 只能下围棋，o1 则是一个通用的大语言模型。o1 学习的材料，可能是数学题库、高质量的代码等，然后 o1 被训练生成解题的思维链，并在奖励或惩罚的机制下，生成和优化自己的思维链，不断提高推理的能力。这其实也解释了，为什么 OpenAI 强调 o1 的数学、代码能力强，因为对错比较容易验证，强化学习机制能够提供明确的反馈，从而提升模型的性能。当然，更重要的是如何将这种推理能力拓展应用到更广泛的领域中。所以我们会看到不少海外网友为 Grok-3 证明黎曼猜想欢呼，「如果是这样的话，我们真的在见证一个巨大的突破。」

马斯克曾多次在公开场合渲染 Grok-3 的强大，他声称 Grok-3 预计在年底前问世，并将成为「世界上最强大的 AI」。实际上，Grok-3 是由上面提到的 AI 初创公司 xAI 开发的第三代大型语言模型，并预计在性能上预期将超越现有的所有 AI 大模型。

原因在于 Grok-3 训练背后依托的是目前世界上最大的 AI 训练集群——Colossus。这个集群由 10 万个液冷英伟达 H100 GPU 组成，采用单一的 RDMA 网络互连架构。这个集群的规模已经超越了目前世界上任何其他的超级计算机，而且未来还将持续扩充 GPU 数量。根据 The Information 的报道，Colossus 的出现甚至引起了 Altman 的密切关注，后者派飞机飞越 Colossus 训练基地，试图窥探其开发进展和能源供应情况。

所以说，当「最强 AI」、「千年数学难题」以及长盛不衰的「AI 威胁论」这三重元素叠加，一场完美的「谣言风暴」就此形成。甚至我们可以认为，Grok-3 证明黎曼猜想的谣言，与其说是一场闹剧，不如说是整个 AI 行业的一面照妖镜：其一是技术乐观派坚信 AI 终将无所不能。我们既担心它发展得太快会失控，又害怕它发展得不够快无法实现突破。其二是自 GPT-4 问世以来，尽管 AI 领域不断有新产品涌现，但人类既是 AI 的创造者，却也成了它最焦虑的观众。

每一个 AI 谣言的背后，都藏着整个行业的焦虑与期待。加之最近闹得沸沸扬扬的 Scaling Law 发展撞墙论，相比去年的井喷期，今年的「创新疲劳」让人们对模型的小步改进已然失去耐心。在这个意义上，Grok-3 证明黎曼猜想的谣言也成了人们对未来的一次集体想象。我们越来越期待下一个从 GPT-3.5 到 GPT-4 的质变时刻。当然，真正的 AI 突破，往往发生在所有人都不看好的时候。但我们都希望这个谜底能在年底前揭开。