OpenAI 批量发布 722 项数学发现，引发学界关于验证与透明度的讨论
OpenAI 近日宣布发表了 722 篇数学论文，内容涵盖一系列问题的证明与反驳。这一举动标志着人工智能在数学领域的能力正从单点突破转向规模化产出。
过去几个月里，AI 解决复杂数学问题的能力显著提升。回顾历史，2019 年 AI 模型尚难以在高考数学试卷中取得合格分数；而上个月，OpenAI 更是成功解决了与流体动力学纳维埃-斯托克斯方程（Navier-Stokes equations）相关的问题。此次发布的数百项发现中，OpenAI 并未透露具体是哪个人工智能模型完成了这些工作，仅将其描述为一个“内部边界模型”。
专家观点：震惊与适应并存
伦敦大学学院（UCL）的弗朗西斯·约翰逊（Francis Johnson）是 OpenAI 所解决难题之一的长期研究者。他致力于瓦尔的 D(2) 问题已有 25 年，并为此撰写了两本专著，甚至曾坦言自己已对此放弃希望。
“我很惊讶 [人工智能] 能够如此迅速地做到这一点，但我并不惊讶它能做到这一点。”约翰逊表示。近几个月来，他一直在使用 AI 模型，对其分析结果的复杂性和清晰性感到震惊。他认为，“精灵已经脱离了瓶子”，人类必须接受这一现实并做出适应。“目前我们只能站在后面感到惊讶。”
然而，并非所有数学家都对这些成果持完全乐观态度。伦敦帝国理工学院的凯文·巴扎德（Kevin Buzzard）指出，在这批论文中，只有七篇被认为令人印象深刻，且仅有一篇在 Lean 证明助手中得到了正式验证。他强调，社区接受这些结果需要时间，六个非正式的结果仍需等待专家审阅或进行精简的形式化验证。
尽管对部分结果的正确性存疑，巴扎德承认 AI 数学能力的上升趋势令人惊叹。假设新结果大多正确，这意味着我们将进入一种新常态：“很长一段时间以来，没有人是所有数学方面的专家，但现在我们似乎有机器具有这种特性。”
透明度争议与行业反应
剑桥大学的 Ben Allanach 评论称，AI 公司正在雇佣数学家并投入大量资源进行研究，将数学发现视为“可实现的智力奖杯”。但他同时也批评了此次公布结果的规模及解释力度，质疑这些成果是否会真正融入人类知识体系。“通常，数学家喜欢他们的工作和解题过程，而仅仅检查或理解机器的工作可能不那么有吸引力。”Allanach 说道，这种情况让他感到“困惑和混乱”。
值得注意的是，这些论文发布在 GitHub 上，而非传统的学术期刊。本周早些时候，科学预印服务器 arXiv 也宣布将引入上传限制，以阻止“低价值”提交的潮流。
OpenAI 此前因其披露数学研究的方式受到批评。美国加利福尼亚大学的泰伦斯·陶（Terence Tao）上个月曾表示不满。作为回应，一个独立的数学和人工智能咨询小组成立，旨在为 AI 公司提供最佳实践建议。该小组建议公开模型名称、使用的提示词以及估算的计算成本，尽可能对证据进行形式化，并披露模型试图解决但未成功的类似难度问题及选题标准。
OpenAI 此前曾表示会接受这些建议，但其最新发布的做法似乎违背了多项准则。针对外界的质疑，OpenAI 的 Lindsay McCallum Rémy 通过电子邮件向《新科学家》回应称：“对于未来的出版物，我们致力于通过引用、数学阐述和成果展示来进一步提高论文的质量，以便更好地理解。我们希望为数学界提供时间和空间来评估这项工作。”
