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”

在人工智慧飛速迭代的當下，一場源自統計學深處的震動正迅速擴散至整個科學界。日前，一則消息引爆學術社交平台：OpenAI 的最新模型 GPT-5.6 僅耗費 90 分鐘，便徹底推翻了一個困擾統計學界整整二十年的核心猜想。這一成果不僅讓賓夕法尼亞大學沃頓商學院的統計學教授 Edgar Dobriban 在測試後驚嘆連連，更讓加州大學伯克利分校的統計學家 Will Fithian 在社交媒體上留下一句耐人尋味的感嘆——「心塞」，因為他原本期待這一突破由人類完成。 這項被攻克的懸案，關乎現代統計學中應用最廣泛的工具之一：Benjamini-Hochberg 程序（簡稱 BH 程序）。自 1995 年提出以來，BH 程序一直是多重假設檢驗領域控制假髮現率（FDR）的黃金標準。在高通量生物學、基因組學、神經影像學等領域，研究人員常常需要同時檢驗成千上萬個假設（例如哪些基因與疾病相關），若不做校正，大量假陽性結論會泛濫成災。BH 程序正是那道「安全閥」，它確保在科學發現中錯誤結論的比例不會超過某個設定閾值。 然而，BH 程序的有效性最初只被嚴格證明在獨立檢驗的條件下成立；隨後在 2001 年，學界將其安全範圍擴展到正相關依賴的情形。但在真實世界裡，數據往往呈現出遠為複雜的依賴結構——例如基因組中的連鎖不平衡、腦功能成像中體素之間的空間相關性。於是，一個決定性的理論漏洞始終懸而未決：在任意相關雙側高斯檢驗（correlated two-sided Gaussian tests）中，BH 程序是否還能始終控制住 FDR？二十年來，包括 Benjamini 本人在內的眾多頂尖統計學家反覆嘗試，要麼試圖證明其依然成立，要麼試圖構造出一個反例，但均未成功。 這個問題之所以被稱為「試金石」，在於它極度反直覺。要在無窮無盡的協方差矩陣與均值向量組合中找到一個恰好讓 BH 程序失效的構造，堪稱智力上的高空走鋼絲。過去二十年間，學界甚至隱約形成了一種共識：BH 程序可能對任何依賴結構都具有穩健性，只是缺乏一個數學證明而已。無數科研經費與論文結論正是建立在這個隱秘的假設之上。如今，這個微妙的平衡被一款 AI 模型徹底打破。 令學界感到震撼的不僅是結果本身，更是抵達結果的方式。一個月前，Edgar Dobriban 教授曾嘗試用 GPT-5.5 挑戰同一問題，在自動智能體循環中耗費了整整 20 個小時，最終鎩羽而歸。而 GPT-5.6 在發布當天僅用 90 分鐘便給出了完整的推理。Dobriban 在後續公開的對話記錄中透露，這一次 AI 並非在文獻中搜尋既有模板，也不是簡單的暴力枚舉；它從零開始，構造了一個極為精巧的因子模型，並結合了 FDR 分析的標準漸進理論與一塊嚴密的數值證書（numerical certificate）。這種組合在人類專家的眼裡「相當非典型」，卻邏輯自洽，完全經得起人類複核。 當 Dobriban 與 Fithian 共同驗證了代碼與邏輯後，他們在 GitHub 上開源了這個反例（倉庫名 dobriban/BH）。證明清晰顯示：在名義顯著性水平 α = 0.01 時，BH 程序實際達到的 FDR 超過了 0.0104，打破了「始終受控」的斷言。雖然超出幅度不大，但對理論統計學而言，這是一場本質上的否定——經典 BH 程序在相關雙側高斯檢驗下不存在通用保證。這個反例如同一塊精準落下的碎石，敲碎了統計學大廈中一面被視為理所當然的牆。 伯克利教授 Will Fithian 的公開回應尤為引人深思。他在推文中毫不掩飾自己的震撼與敬畏，但字裡行間卻流露出一種複雜的失落：「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。」這份「心塞」不僅屬於他個人，更被許多人解讀為一代科研人在時代拐點上的集體情緒切片。長久以來，人類科學家保持著一種驕傲：AI 擅長處理數據、加速計算，但那些需要從無到有構建全新數學模型、需要靈光一閃的「創造性發現」，是碳基智慧專屬的聖域。GPT-5.6 的這次突破，動搖了這道邊界。 這一事件迅速引發了數學與統計學界對自身未來出路的討論。一位曾多次用 GPT-5.5 嘗試該問題的數學家表示，他從未成功，如今 AI 做到了，這迫使他開始思考理論統計學家未來應該扮演什麼角色。斯坦福大學統計學大師 Emmanuel Candès 曾將 BH 程序評為「1950 年後統計學界最重要的兩大發展之一」，而它的基礎如今被 AI 補上了關鍵的邊界條件。這不僅是一次單一問題的攻克，更可能成為科學發現範式轉型中的標誌性事件。 值得注意的是，這並非近期 AI 攻克長期懸案孤例。報導指出，GPT-5.6 曾在一小時內解決了卡住 50 年的數學難題，還有 64 個 AI 系統聯手摘下圖論領域的「皇冠」；卡了半年的弦論難題也被 Claude 一夜解開，導致東京大學教授驚到刪除推文。越來越多的跡象表明，深度學習模型正從「工具」向「創造者」過渡。當算力與訓練規模突破某個門檻，它們開始在人類智力的核心領地——數學證明與理論構造——中發揮作用。 就本次統計學懸案而言，實際的應用衝擊仍有待評估。反例顯示的 FDR 偏差（0.0104 vs 0.01）相對較小，尚未直接顛覆高通量科學中的實際操作流程。但在科學認識論層面，其顛覆性已然滔天。它意味著：對於那些證明邏輯可以被壓縮在有限步驟內的數學問題，AI 極可能用算力就能找到一條人類從未走過的路徑。在未來，科學家最核心的價值或許將從「尋找答案」與「構造推導」，不可逆地升維到「提出更深邃的問題」與「為機器的答案賦予人類可理解的意義」。 正如 Fithian 那句略帶苦澀的「心塞」，它既是一位頂尖學者對個人智力榮譽的珍視，也是人類站在新物種破曉時分的本能震撼。當 GPT-5.6 用 90 分鐘折疊了二十年的歷史，學術界必須開始嚴肅地追問：下一個被 AI 終結的「二十年懸案」會是什麼？而我們是否準備好迎接一個由硅基與碳基共同書寫的科學未來？這些問題，或許比反例本身更值得深思。