---

陶哲轩公开了他和ChatGPT讨论雅可比猜想的完整对话。比起AI答对答错，更值得关注的是他怎么问——那种"不跳步"的追问方式，大概是"严谨"最朴素的操作定义。

导语

一位菲尔兹奖得主，一个代数和学领域悬而未决几十年的核心猜想，一次完整的ChatGPT对话公开——这个事情组合在一起，本身就带着强烈的实验性。

陶哲轩（Terence Tao）最近分享了他和ChatGPT讨论雅可比猜想反例的对话。我仔细读完了用户对这次对话内容的梳理，发现最有意思的其实不是AI答对了什么、答错了什么，而是陶哲轩是怎么问的。

他那种"不跳步"的追问方式，让我重新审视自己平时跟AI聊天的习惯——大部分时候，我是在"搜索"，不是在"追问"。而这两者的差距，可能就是一个人能从AI那里得到多少真实价值的全部。

雅可比猜想？你不用懂它

为了讲清楚方法论，还是得简单说一句雅可比猜想是什么。

想象你把一个空间中的点，通过一组多项式函数映射到另一个空间。如果这个映射的雅可比行列式（也就是所有一阶偏导数构成的矩阵的行列式）恒为一个非零常数，那么这个映射就一定可逆，而且逆映射也是多项式形式的——这就是雅可比猜想的断言。

听起来好像很直观？但数学家们从1970年代开始，折腾了几十年，到现在也没完全搞定。这个猜想之所以难，是因为"局部可逆"和"整体可逆且逆还是多项式"之间，隔着一道深不见底的逻辑鸿沟。

而这次对话，陶哲轩和ChatGPT讨论的，是历史上一个著名的"Keller map"——一个看起来非常复杂的多项式映射，它满足了雅可比行列式为常数（-1）的条件，因此是雅可比猜想研究中的关键测试案例。

AI干了什么？反向找路

用户提供的对话梳理显示，整个讨论的核心内容可以概括为一条构造链：

A³ → X → C⁴ → C³ → 经典Keller map

那个著名的复杂Keller map，并不是凭空跳出来的。它可以从一个五维空间中的代数簇X，经过同构、简单映射、去掉恒等坐标、线性坐标变换等步骤，自然而然地推导出来。

ChatGPT在陶哲轩的引导下，逐步完成了这个推导的验证：证明代数簇X实际上就是A³，然后在这个同构上施加一个非常简单的双线性映射，计算Jacobian发现它确实是Keller map，和历史上的公式做对比，通过坐标变换确认等价。

注意一个关键点：这个构造并不是ChatGPT自己发现的。是陶哲轩给出了方向和线索，AI在引导下完成了推导和形式化验证。

用用户的话说：AI最擅长的是"解释性重构"——你给它一个复杂的结果，它能帮你回溯这条路的起点。发现新路，还得靠人。

真正让我拍大腿的：陶哲轩的追问方法论

如果只看结论，这条构造链固然漂亮，但方法论层面更值得挖的，是陶哲轩的追问结构。

我把它拆解成五层：

第一层：确认基础事实。“这个代数簇X是否同构于A³？"——先打下第一个桩。

第二层：在同构之上施加结构。“既然X≅A³，那在这个同构上施加这个简单的映射F会得到什么？"——在已确认的基础上往前推一步。

第三层：验证关键性质。“这个映射的Jacobian是多少？"——检验新构造是否满足目标条件。

第四层：与已知结果对照。“这跟文献里那个经典Keller map是不是一回事？"——把新构造放回已有知识体系中定位。

第五层：形式化证明等价性。“做坐标变换看看能不能完全匹配。"——把直觉上的"好像一样"变成严格证明。

你有没有注意到，他几乎不跳步。每一步追问都只往前推进一小步，而且每一步的起点，都是上一步已经确认的结论。

这大概是"严谨"最朴素的操作定义。但说实话，自己在跟AI对话时，很少能做到这样。我通常是抛出一个大问题，AI回答了一堆，我挑看得懂的部分接着问，中间其实跳过了很多验证环节。结果就是，AI有时候会顺着我跳过的漏洞滑到一个漂亮的错误答案上，而我还浑然不觉。

用户分享的工作方法：拆分细节"凭感觉”

讨论中，用户分享了自己的工作方法：“先拆分讨论各个点的细节，然后得出结论，执行计划任务。“当被问到拆分细节的粒度时，他说：“凭感觉，具体问题具体分析，全靠经验。”

这个回答非常真实。所谓直觉，不过是经验在大脑里完成了我们没意识到的推理。但经验能否被提炼成可复用原则？陶哲轩的追问法，其实提供了一种结构化的替代方案——不依赖感觉，而依赖"每步确认"的纪律。

如果你的经验积累还不够多，不妨直接用他的追问框架：每问一步，确认一下"这一步的起点是上一步的结论吗？“这个方法几乎零成本，但能瞬间提升你与AI对话的质量。

AI的能力边界

还有一个值得记住的结论。

ChatGPT在这段对话中，做得很好的事情是"反向找路”——从复杂结果反推到简单源头。它能把泰勒展开、坐标变换、Jacobian计算这些中间步骤干干净净地呈现出来。但提出"这个构造也许可以用代数簇X来理解"这个原创想法的人，是陶哲轩。

未来的AI或许能学会提出原创猜想，但至少在现在，引导权还在人类手上。而有没有好的引导，取决于会不会问好问题。

三个值得记住的金句

讨论我们提炼了三句话，我觉得可以作为这篇的收尾：

1. “拆分细节’凭感觉，具体问题具体分析’——所谓直觉，不过是经验在大脑里完成了我们没意识到的推理。”

2. “陶哲轩的追问从不跳步：每一步的起点，都是上一步已经确认的结论。这大概是’严谨’最朴素的操作定义。”

3. “AI最擅长的是反向找路：你给它一个复杂的结果，它能帮你回溯这条路的起点。发现新路，还得靠人。”

打个广告：如果你对陶哲轩的完整对话感兴趣，可以去看他公开的ChatGPT记录：链接。看完之后，试试用自己的提问方式跟AI聊一次复杂问题，再对照陶哲轩的方式改一改，效果可能立竿见影。