在一道千禧年大奖难题的解答还在接受数学界审视的同时，超过 100 道长期开放问题也已经被内部模型解决。OpenAI 最新公布的信息描绘了这样的局面。
今天早上，OpenAI 宣布与一个独立数学顾问组合作。该组织名为「数学与人工智能顾问组」（Advisory Group on Mathematics and Artificial Intelligence，AGMAI），由普林斯顿高等研究院托管。它眼下的一项任务，是针对 OpenAI 内部模型产生的大量数学结果，就评估、审查和发布方式提出建议。
OpenAI 此举回答了一个更棘手的问题：当 AI 生成数学成果的速度超过同行评议和学术传播能够承受的速度，数学界该怎样接住这些结果？
百道难题，突然变成了发布难题
OpenAI 称，公司从 8 月 28 日开始训练一款新的内部模型。除了此前公布的纳维 — 斯托克斯方程千禧年大奖难题解答，这款模型已经解决了横跨数学多个领域的 100 多道长期开放问题。其进展速度甚至令 OpenAI 内部的数学家感到意外。
9 月 8 日，OpenAI 公开了纳维 — 斯托克斯问题的论文和 Lean 形式化证明。按照公司的说明，内部系统构造了一个有限时间内形成奇点的解，由此证明克雷数学研究所官方表述中的 C 和 D 两种情形。OpenAI 同时表示，无意申请这项千禧年大奖。
这里需要保留一个重要限定。「解决 100 多道开放问题」目前是 OpenAI 对内部研究结果的陈述，相关成果尚未全部公开，也没有全部完成数学共同体的独立审查。顾问组自己的措辞同样谨慎：这些结果是 OpenAI「报告称」由其内部模型产生的。
这种谨慎有现实原因。一份证明从生成到成为公认的数学成果，中间还要经历专家核查、补充论证、追溯相关工作和公开讨论。即使形式化工具能够检查推导过程，也无法独自回答成果是否真正新颖、采用了哪些已有思想，以及怎样把证明转化为数学家可以理解和继续使用的知识。
模型解决问题的速度越快，这段看似传统的学术流程就越容易成为新的瓶颈。
数学家担心，难题会变成 AI 的「耗材」
这次合作出现之前，数学界已经公开表达不安。
9 月 11 日，多位菲尔兹奖得主参与发布公开信《人工智能在数学领域的严重错位》。信中批评 AI 公司把开放问题当作能力基准，认为这种竞争可能给数学研究和数学共同体带来负面影响。
争议的核心并非要把 AI 挡在数学之外。公开信承认，AI 有望加速真正的数学研究与理解。数学家们担忧的是，持续追逐「又解决了多少道题」，可能让结果数量压过概念理解。
一项重要成果通常需要在报告、讨论和反复修改中逐渐成熟。研究者会辨认其中的新方法，将它放进已有知识体系，厘清与前人工作的关系，再把复杂证明整理成同行和学生能够掌握的形式。如果解答集中出现，学界很难及时完成这些工作。仓促公布也容易引发归属、引用和学术信用方面的争议。
开放问题在数学研究中还有教育价值。许多问题经过精心选择，被用于训练年轻研究者的判断力和创造力。当它们被批量转化为模型测试集，原有的研究生态也会受到影响。
OpenAI 在公告中直接回应了这封公开信，并承认 AI 公司需要与数学界进行更审慎的沟通。AGMAI 正是在这一背景下走到台前。
九位数学家，将参与决定成果如何进入公共视野
顾问组的首批成员共有九人，包括 François Charles、Camillo De Lellis、Timothy Gowers、Martin Hairer、Nikhil Srivastava、Ulrike Tillmann、Ravi Vakil、Edward Witten 和 Melanie Matchett Wood。成员分别来自巴黎高等师范学院、普林斯顿高等研究院、剑桥大学、洛桑联邦理工学院、加州大学伯克利分校、牛津大学、斯坦福大学和哈佛大学等机构。
按照 OpenAI 公布的安排，顾问组将协助判断新成果的重要性，讨论结果如何协调发布，并就数学研究应遵守的学术与职业规范提供意见。它也会关注 AI 工具怎样支持数学研究和教学，让数学家能够用这些工具继续发展自己的问题和想法。
顾问组网站给出了更明确的独立性安排。成员不接受 AI 公司的报酬，面向 AI 公司的建议将公开发布；其服务对象也不限于 OpenAI，只要一家公司的模型可能对数学产生重大影响，顾问组都愿意提供建议。该组织可以自行调整成员，并邀请数学界就 OpenAI 这批成果的发布问题提交意见。
这份独立性也有清晰边界。顾问组没有任何 AI 公司的决策权，最终责任仍由公司承担。它也不会参与决定 OpenAI 内部数学能力的发展速度。
换言之，数学家获得的是发言、评议和公开批评的空间，没有成果发布的否决权，更无法控制模型继续推进研究的节奏。这一安排能发挥多大作用，将取决于 OpenAI 是否采纳建议，以及双方出现分歧时，信息能否得到充分披露。
数学研究正在迎来一个新的治理问题
过去，人们讨论 AI 与数学，注意力往往集中在模型能不能证明一道题。如今，问题的重心开始向后移动。
一篇机器生成的证明需要由谁核验，验证工作如何获得学术认可，相关思想怎样追溯来源，集中出现的成果以何种顺序公开，都将影响数学共同体能否消化这轮能力跃升。处理失当，研究人员可能被海量证明淹没；处理得当，AI 有机会成为拓展数学理解的研究工具。
AGMAI 的成立说明，开放问题已经无法继续充当一把简单的模型能力标尺。每一道被「解决」的难题背后，都连接着研究传统、人才培养和知识传播。答案出现得更快，并不会自动带来更深的理解。
这个顾问组只是第一步。真正的考验，将发生在首批成果陆续公开之后：数学界能否独立验证这些证明，研究者能否从中提炼出可理解、可复用的新思想，AI 公司又是否愿意为严谨的学术过程留出足够时间。
如果 OpenAI 对百余道开放问题的判断最终得到确认，数学研究面对的将是一场罕见的速度冲击。届时，最稀缺的资源可能不再是给出答案的能力，而是人类理解、审查并承接这些答案的时间。
参考链接：https://openai.com/index/advisory-group-on-mathematics-and-ai/
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com