中国团队近日用AI于困扰数学家300多年的高维“亲吻数”难题上撕开一道口子，上海人工智能实验室等机构联合研发的PackingStar算法，一次在13维、14维等多个维度找到超6000个全新的球体排列构型，系统性刷新多项世界纪录，打破该领域近五十年来仅有零星突破的沉寂。这项被学者称为“系统性贡献罕见”的成果，有望为通信信道编码等实际问题带来全新思路。
从一门课到挑战三百年难题
大学里一门信息论课程，使得项目发起人马成栋，与亲吻数问题有了渊源，他知晓，那个一看像纯粹几何方面的问题，实际上和通信技术里的“比特拥挤”现象，共用同一套数学逻辑，2022年DeepMind的AlphaTensor突然出现，这就让一直深入研究强化学习的马成栋坚定相信，AI能给这类形式简单、评价标准明白的数学难题带来全新的突破。亲吻数问题有着明确目标，这个目标是计算一个球周围能够同时触碰多少个等大的球，它与AI试错优化的底层逻辑高度契合，这成为他决心深入探索的起点。
高维空间里失灵的人类直觉
核心卡点是维度爆炸，这是问题所在，随着空间维度提升，球体排列可能方式呈指数级剧增，人类基于三维空间的几何直觉在高维世界全然失效，长久以来，数学家对亲吻数的认知与构造，几乎都限定于具高度对称性的结构，然而PackingStar团队的发现令人意外，诸多破纪录的新构型，皆是明显违背直觉的“非对称”结构。比如于12维空间之中，新被发现的81球三球亲吻数构型，其整体并非对称，然而每个球体的相邻数量极高程度上一致，这暗示着背后或许暗藏着更深层次的数学规律。
AI在未知领域独立探索
和依赖海量已知数据的AlphaFold等AI范式不一样，亲吻数问题是个典型的“三无难题”，没有现成数据集，没有标准答案，就连学术界对“好结构”的定义都有争议。PackingStar团队没指望人类先给出答案，而是直接把AI放在没有先验逻辑的环境中，让它在高维空间自主探索“球体亲吻”的可能结构。这种从零点起始的自力探索之举，恰是 AI for Science 2.0那个阶段的关键特质当中的一个，使得 AI 着手真正介入科学发觉的进程情形，并非只是取代人类去开展加速运算行为。
六千年一遇的系统性突破
在过去将近50年当中，亲吻数构造领域仅仅有7次具有实质性意义的进展，并且每一次所采用的方法全都是不一样的，很难在其他维度方面进行迁移。而PackingStar的成果展现出系统性的特点：不但在13维找到了比1971年以来所有有理结构都更优的新构型，还在14维等多个维度挖掘出超过6000个新构型，并且在广义亲吻数等其他问题上也刷新了多项搁置二三十年的世界纪录。声名远扬的麻省理工学院里，身为离散几何领域杰出人物的Henry Cohn教授，针对此给予了极高的评价，这般具备系统性的贡献，于亲吻数问题历经的长达三百多年的历史期间，是极其少见的。
坚实底座支撑“AI—科学—工程”融合
对高维数学的探索，极其依赖那种，耗时长久、成功率很低、资源消耗非常高的计算过程。PackingStar之所以能够成功，这离不开，上智院所具备的“AI—科学—工程”三位一体的支撑体系。传统的数学优化算子，一旦面对万亿次级别的博弈模拟，其性能会迅速达到顶点，然而，研究团队借助算子级优化以及长期稳定的任务调度，凭借工程的确定性，去对冲科学发现的不确定性。当下，全球AI领域的竞争朝着基础设施能力转变，不管是DeepMind为自身研发的XLA编译，还是国内阿里云以及国家超算中心针对AI for Science场景给予的支持，都给这类基础科研贡献了持续不间断的计算底座。
人与AI的深度共舞
PackingStar团队实现突破，呈现出“人”与“机”协作的全新范式，AI并非是去替代科学家，而是给更多有灵感的年轻研究者提供了站在数学未知前沿的契机，团队发觉，这些由AI构建的新构型能够连通球面码、数论、群论等好些分散的数学领域，拥有着极高的研究价值，人类研究者能够转过来，对AI产出的反直觉结果展开解读，从中提炼出新的数学规律。于这场探究数学领域的行程当中，团队之内的每一个人皆为一颗星辰，然而AI却助力他们更为高效地驰骋这片未知的星际空间。
若是AI于人类毫无直觉的范畴自行发觉全新规律，你觉得往后的数学研究期间，会是科学家给AI充当助手，还是AI摇身一变成为科学家探索未知的“绝佳搭档”呢？但愿在评论区分享你的看法，并且点赞转发这篇文章，从而让更多人目睹中国AI在基础科学领域的这一回突破。
