山西
你刷到“AI又证出一道数学难题”时，第一反应可能是厉害。看起来像好消息，真正让人不安的却是后半句：材料已经公开，验证还没完成。数学圈先问的不是它会不会做题，而是这700多篇证明，谁看完，谁负责？
10月6日，OpenAI公开前沿模型在开放数学问题上的结果，并提供Lean形式化证明材料。TechCrunch和The Decoder随后报道，相关稿件超过700篇；第二天有3篇因一个符号错误被撤回。部分数学家呼吁抵制OpenAI，Terence Tao则提醒，把开放问题当成批量收割对象，可能让某些数学分支失去后续研究空间。
为什么现在值得关注？AI已经从写作业、改代码进入科研生产。700篇不是普通用户生成内容的噪音，而是研究者需要判断、审阅和决定是否引用的公共材料。过去更担心模型算错；这一次更像模型还没被证明错，人的验证流程先被数量压住了。
最奇怪的地方在于，部分材料提供Lean形式化路径，理论上更容易做机器校验，但真正的学术判断不只是“符号能不能跑通”。哪道问题值得公开、证明有没有推进理解、署名和责任怎么划分，都要有人负责。3篇撤回说明至少有一道校验环节没有兜住。外界对700多篇的统计口径也有争议：它们是否都算正式论文，公开信息仍不完整；抵制也只是部分数学家的立场，不能说整个数学界已经投票封杀。
普通人为什么要关心？不是每个人都研究数学，但你越来越依赖AI给出“看起来很专业”的答案：体检指标、合同条款、税务流程、孩子的作业。数学圈的这次冲突，提前暴露了AI最危险的一面：生成答案的成本很低，核对答案、承担后果的成本仍然很高。你把一份AI方案发给同事，出错后不会由模型签字，还是你去解释。
我的判断是，这件事的争议不在AI能不能帮助数学，而在公开输出的节奏是否尊重验证成本。依据很直接：700多篇材料和3篇撤回同时出现，说明能力提升和流程承压是同步发生的；Tao提醒的风险也不是机器证明本身，而是把尚未消化的AI结果批量倒进学术共同体。更稳妥的做法，是先给每篇结果明确置信度、验证状态和责任人，再谈它是不是突破。
如果AI能一天生成700篇，真正稀缺的就不是答案，而是能被信任的答案。你愿意让AI先把答案写出来，再花多少时间亲自核对？#OpenAI #AI科研 #数学证明
内容来源：正文列出的公开报道与官方资料。图片来源说明：本文配图为示意图，非真实拍摄，无实际拍摄时间和拍摄地点。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
