OpenAI攻克千禧年难题，MIT教授却称看不懂

最近，全世界数学圈被AI震动。OpenAI一口气发表722篇论文，虽仍待核查，但看起来从唯一博弈猜想到准黎曼假设，许多知名未解数学难题已被攻克。数学家一觉醒来，发现研究可能被终结。

在彭博社播客《Odd Lots》中，MIT工程教育副院长Justin Solomon直面这一难题。这个秋天，人类智力自尊被“外星逻辑”击碎。当OpenAI解开困扰人类百年的千禧年大奖难题时，迎来的不是狂欢，而是认知恐慌。因为全球最顶尖的数学家、MIT教授读到证明第二页时，也只能承认：“它是对的，但我根本看不懂。”

事情从上个月说起。OpenAI模型给出千禧年大奖难题——Navier-Stokes方程解失效的反例证明。该方程被称为流体力学的“上帝公式”，支配着从搅拌咖啡到台风形成、飞机阻力等现象。过去百年，最聪明的大脑都被一个问题卡住：给定平滑初始状态，方程的解会不会在未来某瞬间突然“炸”掉？为找答案，克雷数学研究所悬赏100万美元。人类数学家普遍觉得“不会”，但OpenAI给出反例：存在一种极端搅动方式，理论上能在有限时间内把流体搅到彻底失控。

更具戏剧性的是，这并非AI完全凭空捏造。此前西班牙顶尖数学家已用纸笔构筑了“勺子”主体，进度推到99%，AI仅凭算力与非人逻辑推演，替人类走完最后也最绝望的1%。但最致命的困境是：这份证明放出后，全人类没人读得下去。主持人Joe下载论文，看着符号如看天书。Solomon翻过前两页后大脑也彻底宕机。“那份证明读起来非常吓人，全是密密麻麻的技术细节、极度反直觉的不等式和极端的界限取值。”他坦言。被问是否优雅，他苦笑“大概毫无优雅可言”；被问是否正确，他沉默后说“大概是对的”。

几千年来，在数学世界里，“它是对的”和“人类看懂了它”几乎是同义词。但今天，这两件事被AI硬生生撕裂。真理降临了，但它用的是外星语言。

播客提到Uber创始人Travis Kalanick沉迷和AI研究物理，觉得靠“感觉物理学”已逼近某些重大突破。但只靠和机器聊天的直觉，就能搞懂复杂物理吗？

菲尔兹奖得主陶哲轩用一场思想实验把恐慌推到每个人眼前。他让大家设想：人类向超级AI下达提示词——“寻找一种能通过三期临床试验的癌症疗法。”AI吐出一个配方，由未知化学成分组成，数学模型预测能100%消灭癌细胞。全人类没人知道配方为何有效，但AI推演在Lean中得到形式化验证，药剂也通过FDA三期临床试验。现在选择权交到你手上：这管连顶尖科学家都看不懂机制的“神药”，你敢不敢打进自己静脉？陶哲轩将前沿AI在“对齐”与“可解释性”上的核心困境摆上台面。这套方案有没有可能钻了规则漏洞，用人类无法理解的“外星逻辑”达成字面目标？这正是OpenAI解出Navier-Stokes方程所揭示的恐怖未来：前沿AI数学推导能力已逼近甚至超越人类认知上限，“人类验证AI”的传统科研范式正遭遇硬性撞墙。

当AI生产力指数级暴涨，人类验证能力却停滞不前，最先崩盘的是学术审查系统。Solomon报出一组数字：机器学习顶级会议ICLR，十年前只有一两千份投稿，今年暴增到六万份。评审委员需在一两个月内消化完这些充斥AI痕迹的论文。“连PDF都来不及点开。”人类精英算力枯竭，审稿沦为走过场。甚至有高中生靠AI包装履历混进顶级会议审稿人队伍。更让Solomon头疼的是，每天都有陌生人发邮件：“教授，我好像证明了一个新结果，AI说这个推导很重要，能帮我验证一下吗？”模型天生喜欢“顺着人说话”，在要求绝对严谨的数学领域极其致命。数学高耸的门槛原本是为拦住“看着像对，其实狗屁不通”的伪科学，现在AI把伪科学包装成真理模样，大规模向人类发起DDoS攻击。

随之而来的是更残酷的阶级固化：做科研开始拼钱包和算力。未来数学大奖、诺贝尔奖规则将被改写：“谁买的Token多，谁手握的GPU算力强，谁就能先找到答案。”一个普通大学教授辛苦用纸笔推导出雏形，还没发表验证；控制算力水龙头的科技巨头，用领先至少两代的内部未发布模型，顺着教授网上走漏的思路，一周内用几万张显卡算力撞出最终结果。Solomon补了一刀：“说不定，他们模型产生灵感的来源，就是白嫖了你平时在网上的学术讨论记录。”那么这项突破功劳算谁的？克雷数学研究所100万美元奖金发给谁？没人知道。

既然AI连千禧难题都能硬啃，人类还能干什么？Solomon判断，眼下模型所做的一切，本质上还落在人类已有知识围成的“凸包”里。AI擅长在已知知识节点间进行高维度连线，甚至替人类用穷举和蛮力算完卡了十年的最后几步。但真正伟大的新理论，是从无到有平地起高楼，是凭空创造全新概念，让整个世界图景被重新描绘。人类几千年前就学会酿酒，但直到近代才在显微镜下搞懂酵母菌工作机制。也许未来数学和科学也会走上这条路：AI像大自然一样，负责生成廉价但有效的“答案”；而人类，则要花上几十年甚至几百年，去弄明白“为什么”。生成答案变得越来越便宜，但“验证”