OpenAI再公布数百项数学成果 AI正在把数学研究推向前所未有的转折点

继上月宣布利用内部前沿模型解决数学界最重要的开放问题之一后，OpenAI又一次向数学界投下了一枚“重磅炸弹”。当地时间10月6日，OpenAI公布了一批由内部前沿AI模型产生的新数学研究成果，共涉及372组结果，覆盖数学和理论计算机科学中的大量长期未解决问题。OpenAI称，这些成果要么解决了长期存在的开放问题，要么取得了具有实质意义的突破。

https://github.com/openai/math

这次发布的规模远超此前单个数学问题的突破。OpenAI此次公开了数百份研究成果，其中包含722份论文或相关手稿，分别对应372组不同的数学结果。公司同时公布了部分模型推理过程摘要、计算资源消耗以及尝试过的问题数量等信息，希望让数学界能够更加全面地评估这些AI产生的成果。

OpenAI表示，这些结果来自一个目前尚未正式向公众开放的内部前沿模型。与此前引发轰动的纳维–斯托克斯方程问题不同，此次发布并非集中在某一个数学领域，而是覆盖了数论、代数几何以及理论计算机科学等多个方向。部分问题已经困扰数学家多年，甚至几十年。

按照OpenAI公布的数据，平均每项成果使用了相当于ChatGPT Pro连续思考约3小时的计算资源。这意味着这些成果并不是简单地通过一次聊天请求生成，而是在大量计算和反复尝试的基础上获得。OpenAI还公布了模型尝试解决问题的统计数据，希望外界能够了解这些成果背后的成功率和计算成本。

此次发布也体现出OpenAI试图改变过去发布AI数学成果的方式。此前，人工智能公司公布重大数学发现时，往往直接通过公司博客或新闻发布的方式对外宣布，数学家则需要自行判断结果是否可靠。这种做法已经引起数学界的不满，因为数学研究高度依赖严谨的证明、同行评审以及明确的作者和贡献归属。

为此，OpenAI成立了数学与人工智能咨询小组，并邀请包括知名数学家在内的专家参与讨论如何发布这些AI产生的数学成果。OpenAI此次表示，已经参考这一独立咨询机构的建议，将成果放在GitHub仓库中公开，并提供论文修改和引用机制，以便研究人员发现问题后进行修订，同时保留更加清晰的研究记录。

部分成果还提供了Lean形式化证明。Lean是一种能够让计算机检查数学证明的软件工具。通过将数学证明转换成Lean能够验证的形式，研究人员可以更加严格地确认AI生成的证明是否存在逻辑漏洞。OpenAI表示，目前已经对大量成果进行了形式化，并将在获得更多形式化证明后继续更新仓库。

不过，OpenAI此次发布并不意味着这些数学成果已经全部得到数学界认可。大量论文刚刚公开，数学家仍需要逐篇阅读、检查证明，并判断这些结果究竟具有多大意义。对于复杂数学问题而言，“AI声称解决”与“数学界确认解决”之间存在很大的距离。

事实上，这也是此次事件引发争议的重要原因之一。数学界一些人士认为，AI公司正在以前所未有的速度生产数学结果，但传统数学研究体系没有足够的时间对这些成果进行验证。如果企业不断公布大量未经同行评审的结果，数学家可能不得不花费大量时间筛查其中真正有价值的内容。

这种担忧在OpenAI此前宣布解决纳维–斯托克斯问题时已经充分暴露出来。数学家Tristan Buckmaster曾公开质疑OpenAI获取相关证明思路的过程，并表示自己和Anthropic数学家Levent Alpöge此前已经在相关方向取得重要进展。围绕研究成果究竟由谁首先提出关键思路，以及AI公司应该如何进行署名和贡献认定，数学界一度爆发激烈争论。

OpenAI否认了相关指控，但事件已经让数学界开始认真讨论一个此前更加遥远的问题：当AI能够独立完成过去只有顶尖数学家才能处理的研究工作时，传统的“作者”“发现者”和“研究贡献”应该如何定义。

此次发布因此不仅是一批数学论文的公开，更像是一场关于数学研究模式未来走向的实验。过去，数学家可能需要数月甚至数年时间研究一个开放问题，而现在，一个前沿AI模型可以在数小时的计算资源投入下同时尝试数百甚至更多问题。即使其中绝大多数最终无法成立，只要少数结果真正正确，其研究效率也可能远远超过传统的人类研究方式。

OpenAI认为，这些成果的目的并不是取代数学家，而是推动数学知识边界继续向前发展。公司表示，希望未来通过研讨会、会议以及专门研究项目，让数学家进一步研究这些AI产生的成果，并帮助科学界理解人工智能究竟是如何产生这些新的数学思路。

与此同时，OpenAI仍在准备未来向公众发布产生这些成果的模型。公司表示，希望在经过进一步安全和能力评估之后，让科学家能够直接使用最先进的AI系统解决数学以及其他科学领域的问题。

这也是此次事件最值得关注的地方。过去几年，AI在数学领域的进展主要表现为竞赛题、标准化测试以及辅助证明能力的提升，而如今，AI开始直接参与真正意义上的数学研究，并产生数量达到数百项的候选研究成果。如果其中相当一部分最终经数学界验证成立，那么这将意味着AI在数学领域已经从“解题工具”逐渐进入“研究工具”阶段。

但与此同时，数量并不等于质量。数学界真正需要回答的问题并不是AI一次产生了多少篇论文，而是其中有多少能够经受严格同行评审，有多少包含真正具有原创性的思想，又有多少能够推动其他数学家进一步解决此前无法解决的问题。

无论最终结果如何，OpenAI此次一次性公布数百项数学成果，都意味着AI与数学研究之间的关系正在发生根本变化。过去人类担心的是AI能否解决数学问题，如今更现实的问题已经变成：当AI开始以远超人类研究团队的速度产生数学结果时，人类数学家应该如何验证、理解、筛选并利用这些成果。

而这场变化，可能才刚刚开始。