統計學20年懸案，GPT-5.6用90分鐘破解！伯克利教授直呼「心塞」

新智元報道

困擾統計學界整整20年的核心懸案，被AI擊碎了。

近日，賓夕法尼亞大學沃頓商學院統計學教授Edgar Dobriban發了一條推文，引爆了一場學術圈地震。

主角是OpenAI旗下的GPT-5.6。僅僅90分鐘。

對理論統計學家而言，歷史在此刻被粗暴地折疊了。

消息一出，數學圈的人士紛紛表達內心的激動。

一位數學家說，自己和同事多次嘗試用GPT-5.5解決，從未成功。如今這個問題居然被AI解決了，實在是難以置信。他也開始思考，理論統計學家未來的出路是什么？

伯克利教授直呼「心塞」

GPT-5.6從零構造出了一個反例，宣告了一個殘酷的事實：

在相關雙側高斯檢驗（correlated two-sided Gaussian tests）下，經典的 Benjamini-Hochberg (BH) 程序無法保證假發現率（FDR）始終受控。

面對這份由代碼生成的完美證明，伯克利統計學家Will Fithian在推文中留下了令人回味的一筆。

他毫不吝嗇自己的震撼與興奮，但在這份敬畏的底色里，卻滲出了一絲后背發涼的失落感：

這個猜想是統計領域內最有趣的未解之謎……

GPT-5.6解決了它，但我多希望，這是由人類來完成的。

先別急著驚嘆90分鐘——你得知道，這道題在統計學里壓了整整二十年。

標題：The Benjamini–Hochberg Procedure Can Fail to Control the FDR for Correlated Two-Sided Gaussian Tests

論文：https://faculty.wharton.upenn.edu/wp-content/uploads/2017/06/bh.pdf

代碼：https://github.com/dobriban/BH

對話：https://chatgpt.com/share/6a541c6f-a2d0-83ea-bb2f-782271a103ca

提示詞大意為：

整個證明架構分為5大步：

13萬引經典解法

90分鐘被AI打假

為什么這個反例的出現，能讓見慣了大風大浪的伯克利教授直呼心塞？

因為這不是一道偏門小題，而是現代科學大廈里的一堵「承重墻」。

1995年，Benjamini 和 Hochberg 提出了著名的BH程序，用于控制多重假設檢驗中的假發現率（FDR）。

這一方法直接點亮了現代高通量科學。

比如，你要在幾萬個基因中篩選致病靶點，或者在fMRI腦成像中定位數十萬個體素的神經活動，極容易產生「假陽性」。

BH程序就是那個保證「你宣稱的重大發現中，錯誤結論比例不會超標」的安全閥。

它是整個領域的基石，這篇論文至今已被引用超過13萬次。

斯坦福大學的統計學大師Emmanuel Candes甚至將其評為「1950年后統計學界最重要的兩大發展之一」。

但這座宏偉的大廈上方一直有「一朵烏云」。

當年，BH程序的有效性，僅僅是在各項檢驗數據「相互獨立」的理想假設下被嚴格證明的。隨后在2001年，學者們又將其安全邊界擴展到了正相關依賴（PRDS）的情形。

但在真實的科研中，數據往往存在極其復雜的依賴性，例如基因組學中因連鎖不平衡導致的強相關性。于是，一個決定性的懸念誕生了：

在任意的「相關雙側高斯檢驗」下，BH程序是否還能金身不破，始終控制住FDR？

過去二十年間，包括Reiner-Benaim、Kim、van de Wiel、Sarkar以及Benjamini本人在內的無數頂尖大腦前赴后繼。

他們推演公式、運行龐大的模擬實驗，甚至給出了強烈的預感：BH程序應該依然有效。大家都信了，無數的科研經費和論文結論都建立在這個隱秘的「共識」之上，唯獨缺一個嚴絲合縫的數學證明，或者，一個反例。

請注意，過去20年不是沒人想解這道題，而是找反例猶如大海撈針。

這種構造絕非簡單的暴力窮舉，你要在無限的協方差矩陣和均值向量空間中，憑空捏造出一個極其特殊的高斯因子模型，證明在名義顯著性水平α=0.01時，FDR偏偏大于了0.0104。

這是極度反直覺的智力高空走鋼絲。正因如此，它成了理論統計學界的一塊試金石。

而真正讓Fithian「頗有嫉妒」的是GPT-5.6抵達結論的方式。

90分鐘，ChatGPT 5.6徹底跨越了「機械計算」

讓我們把目光拉回那決定性的90分鐘。

當賓夕法尼亞大學沃頓商學院的副教授Edgar Dobriban試圖用AI攻克這個堡壘時，事情開始變得詭異。

就在一個月前，他用GPT-5.5在無休止的智能體循環（Agentic loops）中讓機器狂奔了數天、大約20個小時，最終鎩羽而歸。

然而，GPT-5.6發布當天的表現，完全跨越了「機械計算」的邊界，觸碰到了「創造」的禁區。它并非在歷史文獻的垃圾堆里檢索答案，也沒有套用任何已知的推導模板。

短短90分鐘內，它如同一個擁有異構思維的外星數學家，從零開始構造出了一個前所未有的數學結構。

它極其詭譎地結合了FDR分析的標準漸近方法，并外掛了嚴密的數值證書（Numerical certificate）。

在此領域，這是一種「相當非典型」的組合技。

它沒有盲目試錯，而是給出了一套邏輯自洽、嚴謹、完全可被人類復核的反證鏈條。

當Dobriban與Fithian復核確認，并將配套代碼（dobriban/BH）掛上 GitHub 時，一切都塵埃落定了：這不是大模型的幻覺，而是鐵打的真理。

這才是整場地震真正的震中。長期以來，人類科學家保持著一種心照不宣的驕傲：AI 算得再快，也不過是處理大數據的「藍領」。

科研中的「靈光一閃」，那些需要從無到有構建全新數學模型、打破舊有范式的「構造性發現」，是碳基生物專屬的自留地。

但GPT-5.6 證明了，科研中的「創造性洞見」環節，已經開始向算力遷移。

那個能寫出絕妙反例的大腦，不再需要經歷漫長曲折的學術頓悟，它只需要充足的 Token 和90分鐘的推理。這就是為什么 Fithian 會發出那聲哀嘆——「重大成果本該屬于人類洞見」。

人類在科學探索中最具神性的一環，正在被硅基智能接管。

所以真正被改寫的，從來不只是一本統計學教科書。

硅基智能的破曉

回到這起事件的余波中。

目前，FDR超過名義水平的幅度（0.104 vs 0.1）相對較小，其對高通量科學的實際沖擊力仍有待沉淀。但它在科學認識論上的顛覆性，已然掀起滔天巨浪。

我們是否應該陷入「AI 取代數學家」的陳舊恐慌？大可不必。這場風暴真正的啟示在于：數學與科學發現的門檻，正在被無情地重畫。

當一個問題的證明邏輯能夠被壓縮在幾十頁紙以內，AI極有可能就會用算力找出那條隱秘的小徑。

在未來的科研范式里，「尋找答案」和「構造推導」將不再是人類智力的最高體現。人類的核心價值將不可逆地升維，退守到科學的最起點和最末端：提出更深邃、更瘋狂的問題，以及為機器答案賦予人類的意義。

在這個意義上，Fithian教授那句后背發涼的「心塞」，絕不僅是他個人的智力失落，而是一代科研人在時代拐點上的集體情緒切片。

我們親眼目睹了舊神的黃昏，也正在見證新物種的破曉。

最近，GPT-5.6僅用1小時攻破50年數學難題！64個AI摘下圖論皇冠；卡了半年的弦論難題，Claude一夜解開！東大教授驚到刪推。

現在，時代的倒計時已經開始。

下一個被GPT用90分鐘終結的，會是誰二十年的心血？

參考資料：

https://x.com/wfithian/status/2077218361398964684https://x.com/EdgarDobriban/status/2077082912021786660

https://x.com/jdlichtman/status/2077297788304429195?s=20

編輯：大衛