這篇的重點不是「ChatGPT 解開 Jacobian Conjecture」，而是 Terence Tao 把已公布的三維反例交給 ChatGPT 討論，再親自整理成較容易理解的幾何脈絡。原反例由數學家 Levent Alpöge 公布並歸功於 AI 系統 Fable：它給出一個七次多項式映射，Jacobian determinant 恆為 -2，照理在每個局部都可逆，卻有三組不同輸入得到相同輸出，因此無法全域反解。這直接否定三維以上版本，但二維問題仍未解。

現實應用

這類成果短期不會直接變成一般人的 App，真正有用的是研究流程。數學家可以讓 AI 協助展開公式、檢查 determinant、尋找等價表述，再由專家重建證明與判斷意義；研究生與教師則能拿這段對話觀察頂尖研究者如何反問、修正方向，以及把看似「憑空出現」的答案消化成可傳授的知識。

期望評估

我認為低標期望，是把 ChatGPT 當成高階數學橡皮鴨：協助驗算、補中間步驟、比較不同觀點，但每個結論仍要用精確代數或電腦代數系統複核。

我猜高標期望，是形成「模型找候選、另一個模型解釋、專家驗證」的研究管線。若能穩定重現，AI 不只會解題，還可能在巨大搜尋空間裡提出人類沒想到、但能快速驗證的新物件。不過目前公開資料沒有完整呈現 Fable 找到反例時的 prompt 與過程，還不能把功勞簡化成一句指令就能複製。

商業策略分析

我認為最直接受影響的是 OpenAI、Anthropic、Wolfram，以及做 theorem proving、symbolic computation 的團隊。商業價值不只在模型答對，而在能否留下可稽核的對話、計算紀錄與形式化驗證。對 AI 公司來說，公開研究者的完整協作過程，比單一 benchmark 分數更能證明產品價值；對學術工具商來說，則值得跟進 LLM、電腦代數與 proof assistant 的整合。現階段適合投入研究工作流，不適合把它包裝成可取代數學家的自動證明機。

延伸連結

• Terence Tao 的 ChatGPT 對話
• Tao：A digestion of the Jacobian conjecture counterexample
• Levent Alpöge 的原始公告
• Hacker News 討論

註：原始 ChatGPT 分享頁抓取內容不完整，本文另依 Tao 的公開說明與原始公告整理。