OpenAI两周发了百篇数学论文：数学成果的第一发布者，正在从大学变成AI公司

10月7号凌晨，OpenAI在GitHub上干了个大的，一口气发布了722篇数学手稿。

覆盖数论、代数几何、理论计算机科学、数学物理等17个方向。

这么多手稿都是他们一个还没发布的内部模型写的，而且都有一个特点手稿的文件夹名都以日期结尾，几乎全部集中在9月23号  到10月5号之间。

其中9月23号和24号两天，每天都有将近200篇。

两周，722篇、17个数学方向，看到这几个关键词后不由觉得这效率太可怕了。

一、先看一道题，你就知道这事有多重

希尔伯特第十问题，于1900年提出。

简单说，就是数学家想找一个万能公式，你随便给它一个方程，它自动告诉你这个方程有没有解。方程长什么样呢？就是像 x2+y2=z2这种。

几个变量加加减减、乘乘除除，等于一个数。数学家想找的，就是一个能判断这类方程到底有没有解的通用办法。

1970年，数学家马季亚谢维奇证明了这样的万能公式不存在。

其实“不存在”这个答案本身就是一个重大成果。但问题到这里没有结束，他证明的是，当“解”必须是整数（比如1、2、-3这种）的时候，万能公式不存在。

那如果允许“解”是分数呢？比如二分之一、三分之二这种？结果仍然无人知晓。

就这么一个字的区别，整个问题又卡住了五十多年。

这次OpenAI给出了一个答案，其中的第004号手稿说，答案还是否定的，也就是就算把“解”换成分数，万能公式照样不存在。

再看第003号手稿，准黎曼猜想。

数学里有一个函数，名字叫zeta函数。这个函数很特别，它的取值跟素数的分布有很深的关系。

数学家发现，zeta函数在某些特定的输入值下会等于零，这些输入值就叫“零点”。

黎曼在1859年提出一个猜想：所有这些有意义的零点，都排在一条竖直的线上。这条竖线在横坐标0.5的位置。

你可以把这条线想象成一条很窄的通道。黎曼说，所有零点都在这条通道里，没有一个跑出去。

数学家想证明这件事，但一百多年了，没人做到。

于是他们退一步，不证明所有零点都在0.5这条线上，先证明某个区域里没有零点。

比如，先证明横坐标大于0.99的那片区域里，一个零点都没有。这样至少能把零点的活动范围缩小一点，离最终目标近一步。

但这个退一步的证明也很难

一百多年里，数学家一点一点把“没有零点”的区域从横坐标1往左推，推到了0.99附近。

0.99离0.5还有很远，但已经推不动了。每往前挪一点点，都极其困难。

OpenAI的第003号手稿说，他们一下子推到了0.875。

0.875和0.99之间差了多少？在这个问题里，差距相当于之前一百年所有进展加起来的好几倍。

二、问题来了：怎么验证？

722篇手稿里，只有162篇的主结果附带了Lean证明，占比大概22%。OpenAI自己在发布说明里也承认，没形式化的结果可能存在问题。

Lean证明你可以把它理解成一个专门检查数学证明的计算机程序。数学家把证明写成计算机能一步步读的代码，Lean就负责检查每一步逻辑对不对。

但这里有个问题~

Lean就像一个语法检查器。它能告诉你这句话语法没错，但它不能告诉你这句话是不是真的，也不能告诉你这句话有没有回答你想问的问题。

有数学家对《科学美国人》表示，除非他们发布模型、人们能复现结果，否则你应该把任何关于单智能体一次解决问题的说法视为未经验证。我们应该要求他们出示收据。”

数学研究者Dmitry Rybin举了个例子。

他读OpenAI关于平面色数≥6的证明时，发现模型不知从哪里得出了<任何K-着色等价于弱可测K-着色>的结论，完全看不懂来源在哪。

10月6号刚发的一篇预印本论文也专门讨论了这事，把自然语言证明翻译成计算机代码的过程，本身可能就不忠实于原来的意思。

Lean说你的代码没bug，不等于你的代码实现了你想要的功能。这区别在数学里是天壤之别。

三、抢发这事，从个例变成了系统性问题

验证机制的局限只是一半。另一半，是学术信用体系的冲击。

今年9月，OpenAI说他们的内部模型组织了一万个AI智能体，用了88个小时，证明了一个叫Navier-Stokes方程的数学难题。

这是数学界七个最难的问题之一，悬了一百多年。

但纽约大学的一位数学家Tristan Buckmaster马上公开说，他和Anthropic的研究员之前一直在做相近方向的工作，而且已经用Lean完成了验证。

他指控OpenAI在知道有人快得到答案之后，部署大规模算力抢先给出了证明。

这次722篇的批量发布，把抢发从个例变成了系统性问题。

数学研究的优先权归属，在AI批量产出、模型不对外发布、结果不可复现的情况下，变成了一个没法仲裁的问题。

学术信用体系的基础就是“优先权”就是谁先发表，谁获得承认。当发布速度从年变成两周，而验证还是得以年来算，这个系统就会出问题。

四、谁来提问题？

这次发布有个容易被忽略的背景。

9月下旬，普林斯顿高等研究院下面有一个叫AGMAI的咨询小组，发了一份建议。核心意思是：AI实验室应该走正规学术渠道发布成果，公开模型信息和算力成本，别把数学成果当成推销模型的广告。

OpenAI在发布说明里说“借鉴了AGMAI的建议”。但AGMAI在10月7号晚上的声明里明确表示：我们的建议不代表认可这些结果，也不代表认可OpenAI获取结果的方式。

声明里有一句话值得反复读：“数学研究的未来不能仅仅局限于理解AI实验室的成果，数学家必须能够提出自己的问题。”

AGMAI的声明，本质上是在争一件事：提问权。

如果AI实验室决定了哪些数学问题值得研究，而数学家只能被动验证这些结果，那数学作为一门由人类好奇心驱动的学科，它内在的动力就被外部化了。

菲尔兹奖得主陶哲轩之前把这种情况形容为对数学的露天开采，还说好的问题就像不可再生资源。多伦多大学数学家Daniel Litt在8月的一次演讲里，标题直接叫《数学的终结》。

最后

说一个我觉得最值得想的问题。

假如上面说的这些结果最后全被验证为正确，学术秩序受到的冲击就会消失吗？

我觉得不会。

重点不是AI能不能做数学，而是数学知识的第一发布者从大学和研究所变成了AI实验室。

这种转移一旦发生，验证速度跟不上生产速度，优先权没法仲裁，研究方向被外部定义，学术共同体的自主性就会遇到一个结构性的挑战。

陶哲轩说AI在露天开采数学，好的问题像不可再生资源。这话听着有点悲观，但可能还没到那个地步。

毕竟，AI现在做的，是用模型去解那些人类早就提出来的老问题。

真正定义一个新方向、问出一个从来没人想过的问题，这件事目前还是人类在做。

但能持续多久，谁也不知道。