北大与北京通用人工智能研究院联合团队开发的通矩模型TongGeometry，在国际奥数几何领域实现了从“解题”到“出题”的突破性进展，成果发表于《自然·机器智能》。不同于DeepMind AlphaGeometry依赖大规模离线数据和算力集群的路线，该团队通过神经符号引导树搜索架构，让AI模拟人类数学家的推理过程与数学审美，不仅能解出高难度竞赛题，还能创造出具备数学审美价值的原创几何问题。这一突破为AI的抽象创造性推理开辟了新方向，也重新定义了AI在基础科学发现中的角色。

从解题到出题：AI推理的范式革命来了吗？

当我们谈论人工智能在数学领域的进展时，大部分人第一反应都是AI解题：从AlphaGo战胜围棋冠军，到AlphaGeometry解决IMO难题，人工智能一直扮演着“考生”的角色——人类出题，AI求解。而北大与北京通用人工智能研究院团队的这项最新成果，直接让AI完成了身份转变：从考场上的优等生，变成了能创造原创题目的“金牌教练”。这看似只是任务方向的改变，背后其实是AI推理领域一次值得深究的范式突破。

打破资源依赖：重新定义AI推理的实现路径

在此之前，AI攻克高难度数学推理问题，走的基本是“大力出奇迹”的路线：DeepMind的AlphaGeometry训练时用了数百万道合成几何题，依赖超大规模算力集群完成模型训练和推理。这种路径的本质是，让AI在海量数据中记住类似问题的解法，再通过匹配迁移完成新问题的求解——本质上还是统计学习的延伸，并没有真正掌握人类数学家那种“从原理出发进行创造性推理”的能力。

TongGeometry的突破恰恰在这里：它没有依赖大规模离线合成数据，而是从人类几何推理的认知逻辑出发，构建了神经符号引导树搜索架构。研究团队把几何问题的构造和推理过程抽象成有限树上的马尔可夫过程，让AI像人类数学家一样，沿着逻辑分支一步步探索，每一步都通过价值函数判断路径的潜力，避免了无效的随机尝试。

这种路线的优势不言而喻：它对数据和算力的要求更低，更贴近人类的推理认知逻辑，也就更容易迁移到更开放的未知问题求解中。当AI不再需要靠“刷亿万道题”才能学会推理，它就能在更多缺乏海量标注数据的基础科学领域发挥作用。

给AI植入“数学审美”：创造性不是人类的专利了？

这项成果最让人惊喜的部分，是AI学会了创造具备审美价值的原创几何题。要知道，出一道好的数学题远比解一道题更难：好的几何题不仅结论要正确，还需要满足条件简洁、结论优美、证明过程有巧思——说白了，就是要符合人类数学家的“审美”，而这种审美一直被认为是人类创造力的专属领地。

TongGeometry处理这个问题的思路非常巧妙：团队通过强化学习训练了一个价值模型，让AI不仅能判断命题是否成立，还能评估推导过程的美感——当一个命题的结论足够简洁，但证明过程又需要巧妙的构造时，就会被系统判定为“有价值”的好题目。这种设计本质上是把人类难以言喻的审美直觉，转化成了可量化的价值函数，让AI得以捕捉那种人类所说的“灵感一闪”。

目前该系统已经产出了多个让专业数学家都称赞的原创几何问题，这意味着AI已经具备了在封闭领域进行“创造性发现”的能力。这种能力如果延伸到其他基础科学领域，比如物理定律发现、新化学结构构造，带来的想象空间非常巨大。

从工具到合作者：AI在基础研究中的角色转变

长久以来，AI在基础科学研究中扮演的都是“高级工具”的角色：帮助人类处理海量数据，加速计算过程，代替人类完成重复性劳动。而TongGeometry的突破，把AI的角色往前推了一步：从“帮人类干活的工具”变成了“能提供原创想法的合作者”。

试想一下，未来在数学研究中，AI可以快速生成大量符合审美要求的原创命题，人类数学家只需要聚焦于最有价值的方向进行证明和拓展；在其他基础学科中，AI可以基于现有理论，创造性地提出新的猜想、新的构造，帮助人类打开新的研究方向。这不是要取代人类数学家，而是把人类从繁琐的试错和构思中解放出来，把更多精力投入到真正核心的创造性思考中。

当然，我们也必须清醒地认识到，这次突破仍然是在封闭的平面几何领域实现的，离通用的创造性人工智能还有非常远的距离。平面几何有完备的公理体系，所有推理都遵循明确的规则，这种领域本身就比较适合AI进行探索。要把这种能力延伸到更开放、更模糊的真实科学问题中，还有很多技术障碍需要突破。

结语：这只是开始

从解题到出题，不只是任务方向的变化，更是AI推理能力一次质的飞跃。它证明了AI不仅能在人类划定的框架内解决问题，还能跳出框架创造有价值的新问题，这种能力正是推动基础科学进步的核心动力。

TongGeometry的突破告诉我们，AI的推理不一定非要走“大规模数据+大算力”的唯一路线，向人类认知学习，构建更符合认知逻辑的AI架构，可能会走出一条更高效、更具通用性的新路。随着这类技术的不断发展，未来AI会越来越深地融入基础科学研究的核心环节，成为人类探索未知世界最有力的合作者——而这一切，才刚刚开始。