一项实验性AI数学挑战：利用第十判别式界探索排除Siegel零点的论证
内容提要
陶哲轩提出“Math 2.0”实验挑战：利用AI从排除Landau–Siegel零点的各类新论证中，推导假想第十个判别式（Heegner数）的有效上界，并尽量优化常数，且不使用Heegner方法。该问题已解决，无干扰研究之虞。他邀请读者提交可验证的界，允许使用AI但须披露，鼓励协作而非竞赛，重视论证的简洁性与可检验性。
延伸解读
挑战的核心：从无效到有效的跨越
文章指出，Heilbronn与Linfoot在1934年利用Deuring–Heilbronn排斥现象证明：若存在第十个判别式，则至多只有一个额外的Heegner数，但该论证是无效的，未给出上界。直到1976年Goldfeld才给出有效版本，初始上界为指数形式，后经Oesterlé改进。本次挑战要求利用排除Siegel零点的新论证，重新推导有效上界并优化常数，本质上是将“存在性”结果转化为“可计算”的定量估计。
AI在数学中的角色：辅助而非替代
陶哲轩明确将挑战置于“Math 2.0”框架下，强调AI用于增强人类理解而非替代。任务本身对人类而言繁琐——需从各类新论证中提取显式常数——但适合AI处理。他允许使用AI工具，但要求披露，并建议对纯AI生成的解进行独立核查。这体现了在数学研究中负责任地利用AI的探索：AI承担计算与推导的苦力活，人类负责方向、验证与整合。
协作而非竞赛：Polymath风格的AI时代实践
挑战不设“最先”或“最优”的竞争压力，而是鼓励协作：参与者可基于他人贡献改进特定证明技术的界，即使结果劣于Goldfeld或Oesterlé的已知界也有价值。陶哲轩还提出可探索避免大量计算、保持人类可验证的简洁论证，或仅用本科数学工具的“初等”论证。这种开放、累积的模式，旨在积累关于如何负责任地众包AI辅助数学的经验。
Q&A
陶哲轩提出的这个AI数学挑战具体要解决什么问题？
挑战要求利用AI工具，从排除Landau–Siegel零点的各类新论证中，推导出假想第十个判别式（Heegner数）的有效上界，并尽量优化常数，且不能使用Heegner方法。
为什么第十判别式问题与Landau–Siegel零点有关？
如果存在第十个Heegner数，对应的二次特征会通过类数公式产生一个Landau–Siegel零点，其位置与判别式的大小相关。排除这种零点就能给出判别式的上界。
在陶哲轩的挑战中，参与者可以使用AI吗？需要遵守什么规则？
允许使用任何程度的AI，但必须披露AI的使用情况。提交前应对AI生成的解答进行尽职检查（例如用另一个独立AI工具验证），并且大型输出应以链接形式（如GitHub仓库）提交。
这个挑战为什么适合用AI来完成？
因为将各种排除Siegel零点的论证显式化以得到第十判别式的上界，对人类来说非常繁琐，但这类重复性、计算密集的推导工作非常适合AI处理。
挑战鼓励什么样的参与方式？是竞赛还是合作？
挑战强调协作而非竞赛，类似Polymath项目。鼓励在他人贡献基础上改进，不追求速度，重视论证的简洁性和可检验性，甚至可以探索仅用本科数学工具的基本论证。
Goldfeld和Oesterlé之前给出的第十判别式上界是多少？
Goldfeld在1976年首次给出有效上界，形式为exp(exp(常数))；Oesterlé随后改进为形如(常数)的上界，但具体常数文章未明确给出。
