OpenAI 发布 372 项数学突破，引发理论计算机科学界震动
据知名理论计算机科学家、博客 Shtetl-Optimized 作者 Scott Aaronson（经 Omer Reingold 分享）透露，OpenAI 于昨日发布了包含 372 个重大结果的列表。这些成果基于其内部模型生成，并经过 Timothy Gowers、Edward Witten 等杰出数学家组成的咨询小组评估。这一事件被形容为“数学史上最伟大的日子之一”，引发了关于人工智能在基础科学研究中角色的激烈讨论。
尽管部分结果尚未完全被人类理解，但其中包含了多个长期存在的开放性问题解决方案。以下是此次发布中的核心亮点：
- 唯一游戏猜想 (Unique Games Conjecture, UGC)： 提供了针对最大割问题及所有约束满足问题 (CSPs) 的近似 NP 硬度证明。Scott Aaronson 的妻子、复杂性理论家 Dana Moshkovitz 指出，虽然论文表述晦涩难懂，甚至需要借助 AI 才能理清逻辑，但其通过噪声测试发明了一种全新的递归结构代码。这证实了 UGC 的真实性，此前许多同事对此持怀疑态度。
- L = BPL： 证明了概率对数空间与确定性对数空间等价。这是继 P=BPP 之后随机化理论领域的又一重要猜想得到证实。
- 傅里叶变换复杂度突破： 打破了自 1960 年代以来整数乘法时间复杂度的 O(n log n) 界限。新的运行时间约为 O(n log0.9999999999999 n)。
- 量子单元合成问题： 解决了 Scott Aaronson 和 Greg Kuperberg 在 2007 年提出的正面方案：对于每一个 n-量子比特单元转换 U，存在一个经典 Oracle A，使得 U 可在量子多项式时间内实现并访问 A。这对解码黑洞霍金辐射计算等问题具有潜在影响。
- 查询复杂度分离： 实现了随机和量子查询复杂度之间近 4 次方的分离，结束了自 1998 年以来该领域最佳分离指数在 2 到 6 之间的争议，最终确认其在 3 到 4 之间。
- 其他重要进展： 包括灵敏度与区块灵敏度之间的超二次分离；二维间隙哈密顿问题的区域法；矩阵乘法在 O(n9/4) 时间内的有理数指数改进；决定性复杂性下限的改进；以及一般图中完美匹配数的随机多时算法等。
- 可计算性理论： 解决了有理数上多项式方程的不可计算性问题。这是继 20 世纪 70 年代证明希尔伯特第 10 个问题（整数多项式方程）无解后，可计算性理论中最大的开放问题之一。
值得注意的是，列表中并未包含 P≠NP、P=BPP 或 NEXPP/poly 等理论计算机科学中最核心的未解决问题，表明这些问题依然极具挑战性。
不同 AI 公司的发布策略对比
在此次事件中，除了 OpenAI 直接发布未经充分消化的原始结果外，Anthropic 采取了不同的路径。Virginia Williams 和 Josh Alman 在周一晚上发布的 arXiv 预印本解决了 3SUM 问题在 O(n1.9992) 时间内的算法。据称，关键想法由 Anthropic 的模型提供，但该公司允许人类研究者撰写并宣布“消化”后的版本以换取赔偿。
这两种模式代表了当前 AI 数学突破的主要沟通方式：OpenAI 的方式引发了一场人类竞争，旨在理解和解释混乱的 AI 证明；而 Anthropic 的方式则将私人公司置于挑选哪些人类数学家成为 AI 使者的位置。
技术细节与安全考量
产出这些结果的并非消耗数百万美元算力的定制装置，而是 OpenAI 最新的内部模型之一。根据 OpenAI 安全委员会的建议，该模型可能在接下来的几个月内向付费 ChatGPT 客户发布。平均每个解决的问题使用了约 3 小时的 GPT-Pro 级别算力。测试数据显示，该模型在约 8,000 个问题上进行了尝试，目前解决了约 5% 的长期存在的开放数学问题。
此外，有消息源指出，AI 公司正在谨慎调查其最新内部模型是否具备破解重要加密协议的能力。如果属实，提前行动可能比等待公众发现更为稳妥。
学界反应与未来展望
西蒙斯研究所（Simons Institute）、牛津大学等地的研究人员正忙于研究这些手稿。Scott Aaronson 用比喻形容当前的处境：就像狩猎采集者突然面对一座拥有直升机停机坪和加热游泳池的巨大度假酒店。Quanta 杂志记者 Jordana Cepelevich 则将其比作被传送到迷雾笼罩的高山顶峰，而制造传送机器的人声称能比任何人更好地探索荒野。
尽管有人质疑这些结果的真实性或认为数学学科面临终结，但主流观点倾向于乐观。只要人类保持好奇心，仍可以清除迷雾、找出路径。更大的挑战在于培养那些仍然关心在机器辅助下攀登科学高峰的英雄主义精神。
数学与 AI 咨询小组 (AGMAI) 发表声明表示，OpenAI 的行为是重要的事件，但其后果远超个人结果。声明强调，数学研究的未来不能仅由 AI 实验室产生的结果构成，数学家必须能够制定自己的问题并开发方法。公平获取强大研究工具和充足计算资源至关重要。AGMAI 已与 OpenAI 进行讨论，但最终评估权在于整个数学界。
