数学家惊叹又抱怨OpenAI的新成果 | 科学美国人

OpenAI在10月8日一次性公布了372个数学与计算机科学开放问题的AI生成结果，数学界称之为“slop drop”（垃圾倾泻）。两天过去，科学家们才刚刚开始从这堆成果中筛选出各自领域最令人兴奋的突破。哈佛大学数学家迈克尔·道格拉斯对《科学美国人》表示：“昨天将成为一个新时代的开端——数学和数学物理的新时代。”他认为，这一时刻甚至比上个月OpenAI同一内部模型解决纳维-斯托克斯问题（数学界百万美元悬赏难题之一）更具里程碑意义。 这批结果的质量参差不齐，但其中确实包含大量开创性证明。专家指出，许多论文的写作质量远优于此前的纳维-斯托克斯证明，说明OpenAI的数学团队正在努力克服模型无法向人类清晰解释其数学推理的缺陷。智利天主教大学的数学家赫克托·帕斯滕表示，他看过的论文在引用规范方面也有改善，“我认为他们在给予 credit 方面做得更好了”。然而，质量仍然极不均匀——有些论文可读性很强，另一些则完全不知所云。纽约大学数学家罗兰·鲍尔施密特直言：“如果这些是我从某个无名之辈的邮件里收到的，我大概会直接删掉，写得太差了。”不过，即便是那些看似胡言乱语的内容，表面上也可能是正确的。目前42%的结果已用编程语言Lean编码，这意味着其逻辑几乎可以确定是可靠的，即便英文写成的说明难以理解。但另一方面，已有三篇论文在专家发现重大错误后被撤回，这让一些人对尚未经过Lean验证的超过半数证明产生了质疑。麻省理工学院数学家安德鲁·萨瑟兰表示：“虽然我预计其中大部分最终会被证明是正确的，或者至少是可修正的，但我们应该预期有些证明存在错误，而且可能是严重错误。” 数学界对OpenAI发布这些结果的方式反应复杂。萨瑟兰认为，OpenAI还应公布其模型未能解决的问题——公司称这类问题有数千个之多。“我预计他们不会愿意这么做，”他补充道，“但开放科学就是这样运作的。你需要同时报告负面结果和正面结果。”透明度的缺失还不止于此。多位数学家向《科学美国人》表示，他们怀疑OpenAI团队中没有人会想到去提出模型所涉及的某些问题。这种质疑指向一个更深层的隐忧：当AI系统能够产出人类难以理解的数学证明时，学术界该如何验证、归因和信任这些成果？对于跨境电商卖家和AI从业者而言，这一事件的意义在于：AI在高度抽象的数学推理领域已经展现出超越人类直觉的能力，但其输出仍需要大量人工审核和形式化验证。这意味着在可预见的未来，AI更像是“超级助手”而非“完全自主的专家”——无论是在数学证明还是在商业决策中，人类的判断力仍然是不可或缺的一环。