GPT-5.6 Sol 如何助力推翻“150 年历史”的麦克斯韦猜想

将三个相等的电荷放在正三角形的三个顶点上，所产生的电场会出现四个平衡点，在这些点上所有推拉力相互抵消：一个在中心，另外三个紧贴各边的内部。现在在中心点的正上方和正下方各放置一个非常小的电荷。中央的平衡点会裂解成二十一处，整个配置跃升为二十四处。

这一构造作为麦克斯韦猜想的反例已于 7 月 29 日上传至 arXiv。该猜想可追溯到麦克斯韦 1873 年的论著，讨论静电平衡点的上界。作者还披露，这一想法源自一个大型语言模型。下文将介绍猜想的主张、反例的工作原理、GPT-5.6 Sol 做了什么与没做什么，以及为何这则披露或许是更耐人寻味的一半故事。

简述：麦克斯韦猜想如何倒下

该猜想为 n 个点电荷的电场能产生多少平衡点设定了一个上限：至多为（n−1）²。对于五个电荷，即 16 个。Philip Arathoon、Gavin Ball 和 Matthew Kvalheim 构造了一个至少拥有 24 个平衡点的五电荷配置，形成直接反例。GPT-5.6 Sol 提出了几何思路；三位作者完成了分析、运行了计算机代数，并写出了证明。

有了这个摘要，我们来看看这条猜想从何而来，以及它为何能坚持这么久。

麦克斯韦猜想是什么？

詹姆斯·克拉克·麦克斯韦在其 1873 年的《电磁学论》的一小段文字中提出了一个问题：一组电荷能产生多少个平衡点。近一个世纪里，这都只是随口一提，直到 1969 年 Marston Morse 和 Stewart Cairns 提出了同一问题，似乎并不知道麦克斯韦早已先行一步。这个小细节比我该喜欢的程度还要让我着迷。

如今广为争论的精确定式出现在 2007 年。当时 Andrei Gabrielov、Dmitry Novikov 和 Boris Shapiro 细读麦克斯韦的那段文字，并将其转化为一个猜想：如果由 n 个电荷产生的势能的所有平衡点都是非退化的，那么它们至多有（n−1）² 个。这是您真正需要的唯一公式，所以如果代数会让您紧张，难的部分已经过去了。对于两个电荷，该上界是平凡成立的。对于三个电荷，除了三电荷相等的特殊情形外，没人知道上界是否真是四个。

要理解这个上界为何重要，先弄清平衡点究竟是什么会有帮助。

用一个简单例子理解麦克斯韦猜想

每个电荷都会产生一个电场。把多个电荷放在一个房间里，它们的电场会相互叠加，在空间的每一点产生不同方向的推拉。在某些位置，各个电荷的力恰好相互抵消，放置在那里的试探粒子将不会感受到任何合力。这些位置就是平衡点，也称为静电势的临界点。

对它们计数并非记账游戏。这些点的数量与排列会约束整个电场的形状，正如山脉上的平坦处会约束整座山脉的布局。因此，对数量的上界其实是在宣称静电场允许有多复杂。这就是为何一个在 1873 年顺带提出的问题，能让数学家忙上一百五十年。

既然明白了这条猜想在守护什么，我们来一步步看它是如何被攻破的。

麦克斯韦猜想是如何被推翻的

该构造足够简洁，用四步就能描述。除非您想看 Hessian 计算，否则可以略过 arXiv 短文；有趣的是论证的形状：

• 在正三角形的顶点放置三个单位电荷。该电场有四个平衡点：一个在中心，三个沿边向内偏移。
• 在对称轴上添加两个更小的电荷，一个略高于平面，一个略低于平面，形成一个浅的三角双棱锥。
• 三个位于边内的平衡点在添加后依然存在。中央的那个则不会。它分岔成一个包含 21 个平衡点的族，其中 10 个具有一种 Morse 指数，11 个具有另一种。
• 三加二十一，五个电荷至少产生 24 个非退化临界点，而预测上限为 16。

电荷强度并非随意选择。作者选取了一个特定数值，使小电荷势能的主导项恰好抵消三角形产生的对应项，从而暴露出产生 21 个点的更精细结构。还有一步首次阅读容易忽略：到目前为止的论证并未排除配置中其他地方可能存在退化临界点，因此作者对电荷强度做了轻微扰动并应用横截性（transversality）论证，将这些情形清理掉。

接下来是被标题党略过的部分。同一技巧可以迭代。再添加一对小电荷，您就能以 2 个电荷的代价再获得 20 个临界点，从而得到 3 + 2m 个电荷、至少 4 + 20m 个平衡点的配置。其渐近比率是每个电荷 10 个临界点，相较之下，Herbert Edelsbrunner、Christopher Fillmore 与 Gonçalo Oliveira 在今年早些时候达成的是 25/7。反例是头条；这个比率才是他人将要在其上继续构建的结果。

构造本身讲清之后，故事开始有点不同寻常：究竟是谁，或说是什么，提出了这个主意。

GPT-5.6 Sol 扮演了什么角色？

论文里单列了一个简短的披露部分，朴素而坦诚地说明了经过：“该构造背后的想法由一个大型语言模型（OpenAI 的 GPT-5.6 Sol）提出。”作者补充说，他们自行核查了数学并用自己的语言写出了论证，计算与制图由 Mathematica 和 Maple 完成。

因此，模型贡献的是一种策略：用小的离轴电荷扰动对称配置，观察一个退化点如何裂解；而作者将其转化为调和多项式的泰勒展开、按 Hessian 符号分类的 21 个临界点、三次隐函数定理的应用与一次横截性论证。提出点子与证明定理是不同的活动，也有不同的失败模式。一个行不通的想法只会让您损失一个下午；一个行不通的证明会让您撤稿。模型指向了地图上一处看似不太可能的地方；三位数学家修好了通往那里的路。

不过值得深入思考这种表述。“只是一个想法”有些低估。任何人都可以建议去扰动一个对称配置。关键在于提出那种扰动，用小的轴向电荷，在那个基础配置上，而且是在一个可尝试空间几乎无界的问题里。对“试什么”的品味占了研究数学的很大一部分。这个建议来自模型而非一位专家十年的直觉，这就是故事的实质。

为何这一结果重要

一个 150 年的数学问题

这个问题可追溯到麦克斯韦 1873 年的那句评述，这也是每个标题里“150 年”的来源。但值得精确些：麦克斯韦提出了一个问题并做了观察，他并未陈述这次倒下的那个正式猜想。

一个由来已久的现代猜想坠落

作为正式表述，麦克斯韦猜想只有 19 年历史，而在这段时间的大部分里，它是该领域的组织性假设——大家试图去证明它，且所有改进的上界都在向它逼近。现在它似乎是错的。该反例是一篇四页的 arXiv 预印本，尚未经过同行评审，其核心步骤是由计算机代数检查的 Hessian 分类，因此需附上常规的注意事项。但论证短小、明确，且便于他人核验。

新问题取代旧问题

知道上界不是（n−1）²，并不等于知道它是什么。作者的迭代构造把已知下界推进到大约每个电荷 10 个临界点——那是地板，不是答案。而先前提到的三个电荷？它们是否能产生超过四个平衡点仍未有定论，这在历经这么久后仍然是关于最小有趣情形的一个奇特现状。

AI 在数学发现中的角色日益增长

过去一年里发生了变化。从 2025 年 10 月到 2026 年初，AI 工具帮助将 Erdős 问题数据库中的约一百个问题移入“已解决”一栏，Terence Tao 维护了一个持续更新的网页来跟踪这些贡献，直到 2026 年 6 月底停止更新。很多情形是文献检索——模型找到了一篇 1974 年的论文，原来早已解决了问题。也有些不是。少数解答主要由模型拼装出原创论证，Tao 至少将其中一个标注为达到了真正的里程碑。

这些案例的共性是一致的，也与麦克斯韦猜想的情况相符。模型擅长提出候选思路、扫描任何个人都无法完全掌握的文献，并能在一夜之间不知疲倦地搜索构造空间。验证仍由人类和像 Lean 这样的证明助理负责。如果您想在形成观点前先了解这些系统的工作原理，我们的AI Fundamentals 学习路径是很好的起点。

AI 最终能独立发现数学证明吗？

生成猜想已成常规。证明辅助也常见到无需赘述。形式化定理证明——模型在无人参与的情况下，为研究级问题产出一份完整且可被机器检查的论证——目前就是边界所在，而根据您对“研究级”的严格程度不同，现有结果已在边界两侧都有分布。

瓶颈并不显然在“创造力”。当前模型仍会臆造引用，仍会在长链推理中丢线头，也仍然更擅长生成候选而非判断哪个候选是对的。最后这一不对称正是为何人类验证是承重支柱而非礼节性环节。能可靠评估自身输出的模型将会是与现状不同的一类系统，而目前没人能说离那一天有多远。

GPT-5.6 Sol 与科学研究的未来

数学是个异常干净的试验场，因为证明非真即假。但同样的动态——AI 加速创意生成阶段，而人类保留验证——正在各学科上演。

这远不止于数学。物理、化学、材料科学与工程学都共享同一瓶颈：假设生成在人的时间维度上代价高，且大多数假设会失败。研究者一年认真推进的候选结构或机制不过寥寥。候选空间远比这要大。

创意生成或许会成为最关键的研究能力，恰因为这是人类吞吐量最低、且错误代价最小的一步。一个能扫描巨大空间并说“看这里”的模型，无需经常正确也能改变发现的速度。这大致就是这里发生的事。

关于这次发现的常见误解

在得出更宽泛的结论前，值得澄清几件报道里常见的错误。

GPT-5.6 Sol 并未独立证明该定理

模型提出了几何构造。证明、展开、Hessian 分类与横截性论证，都是作者完成的。

人类研究者核验了每一步

Mathematica 与 Maple 负责检查计算并生成图形。数学验证由三位作者完成，他们在论文中明确说明了这一点。

“麦克斯韦猜想”并非麦克斯韦的正式定理

麦克斯韦在 1873 年做了一个观察。Gabrielov、Novikov 与 Shapiro 在 2007 年基于他们对那段文字的解读，提出了该猜想。

数学问题并未被完全解决

假设该反例经得起检验，我们知道（n−1）² 是错的。正确的上界仍未知，且三电荷情形依旧悬而未决。

结语

麦克斯韦猜想倒在一次协作之下：一个由 AI 生成的几何点子，以及三位数学家投入精力将其打造成可检验的成果。论文对双方分工的表述异乎寻常地坦诚。一段三句话的披露部分，或许将来的被引次数会超过定理本身。

这件事值得您关注的，是贡献的形态，而非规模。一个对问题毫无利害关系的模型提出了一个此前最在意它的人们没有在该配置上尝试过的构造，而它恰好奏效了。关于 n 个电荷能有多少个平衡点这一更广泛的问题仍未解决，关于当创意生成不再是稀缺资源时研究会是什么样子的问题也同样如此。如果您想关注这些系统在实践中的应用而非市场宣传，我们的AI 课程涵盖从概念到部署的全流程。