OpenAI成立数学顾问团，百道开放难题待审

在一道千禧年大奖难题的解答还在接受数学界审视的同时，超过100道长期开放问题也已被内部模型解决。OpenAI宣布与独立数学顾问组AGMAI合作，该组织由普林斯顿高等研究院托管，任务是对OpenAI内部模型产生的大量数学结果，就评估、审查和发布方式提出建议。

OpenAI称，公司从8月28日开始训练一款新的内部模型。除此前公布的纳维—斯托克斯方程千禧年大奖难题解答外，该模型已解决横跨数学多个领域的100多道长期开放问题，进展速度令内部数学家意外。9月8日，OpenAI公开了纳维—斯托克斯问题的论文和Lean形式化证明，称内部系统构造了一个有限时间内形成奇点的解，证明克雷数学研究所官方表述中的C和D两种情形，同时表示无意申请这项千禧年大奖。

需要保留的重要限定是：“解决100多道开放问题”目前是OpenAI对内部研究结果的陈述，相关成果尚未全部公开，也未全部完成数学共同体的独立审查。顾问组措辞同样谨慎，称这些结果是OpenAI“报告称”由其内部模型产生。一份证明从生成到成为公认数学成果，还需专家核查、补充论证、追溯相关工作和公开讨论。形式化工具能检查推导过程，却无法独自回答成果是否真正新颖、采用了哪些已有思想，以及怎样转化为数学家可理解和继续使用的知识。模型解决问题越快，这段学术流程越容易成为瓶颈。

此次合作前，数学界已公开表达不安。9月11日，多位菲尔兹奖得主参与发布公开信《人工智能在数学领域的严重错位》，批评AI公司把开放问题当作能力基准，认为这种竞争可能给数学研究和数学共同体带来负面影响。争议核心并非把AI挡在数学之外，公开信承认AI有望加速真正的数学研究与理解。数学家担忧的是，持续追逐“又解决了多少道题”，可能让结果数量压过概念理解。重要成果通常需在报告、讨论和反复修改中成熟，研究者会辨认新方法，将其放进已有知识体系，厘清与前人工作的关系，再把复杂证明整理成同行和学生能掌握的形式。如果解答集中出现，学界很难及时完成这些工作，仓促公布也容易引发归属、引用和学术信用争议。开放问题还有教育价值，许多问题被用于训练年轻研究者的判断力和创造力，被批量转化为模型测试集后，原有研究生态也会受影响。OpenAI在公告中回应了公开信，承认AI公司需与数学界更审慎沟通。

顾问组首批成员共九人，包括François Charles、Camillo De Lellis、Timothy Gowers、Martin Hairer、Nikhil Srivastava、Ulrike Tillmann、Ravi Vakil、Edward Witten和Melanie Matchett Wood，分别来自巴黎高等师范学院、普林斯顿高等研究院、剑桥大学、洛桑联邦理工学院、加州大学伯克利分校、牛津大学、斯坦福大学和哈佛大学等机构。顾问组将协助判断新成果的重要性，讨论结果如何协调发布，并就数学研究应遵守的学术与职业规范提供意见，也会关注AI工具怎样支持数学研究和教学。

顾问组网站给出更明确的独立性安排：成员不接受AI公司报酬，面向AI公司的建议将公开发布；服务对象不限于OpenAI，只要一家公司的模型可能对数学产生重大影响，顾问组都愿提供建议。该组织可自行调整成员，并邀请数学界就OpenAI这批成果的发布问题提交意见。但独立性也有边界：顾问组没有任何AI公司的决策权，最终责任仍由公司承担，也不参与决定OpenAI内部数学能力的发展速度。数学家获得的是发言、评议和公开批评的空间，没有成果发布否决权，更无法控制模型继续推进研究的节奏。这一安排能发挥多大作用，取决于OpenAI是否采纳建议，以及双方分歧时信息能否充分披露。

过去，人们讨论AI与数学，注意力往往集中在模型能不能证明一道题。如今，问题重心开始后移。机器生成的证明由谁核验，验证工作如何获得学术认可，相关思想怎样追溯来源，集中出现的成果以何种顺序公开，都将影响数学共同体能否消化这轮能力跃升。处理失当，研究人员可能被海量证明淹没；处理得当，AI有机会成为拓展数学理解的研究工具。AGMAI的成立说明，开放问题已无法继续充当简单的模型能力标尺。每道被“解决”的难题背后，都连接着研究传统、人才培养和知识传播。答案出现得更快，并不会自动带来更深理解。真正考验将发生在首批成果陆续公开之后：数学界能否独立验证这些证明，研究者能否提炼出可理解、可复用的新思想，AI公司又是否愿意为严谨学术过程留出足够时间。如果OpenAI对百余道开放问题的判断最终得到确认，数学研究面对的将是一场罕见的速度冲击。届时，最稀缺的资源可能不再是给出答案的能力，而是人类理解、审查并承接这些答案的时间。