Rex Tsang

AI破解數百道數學難題的啟示

Economy & Market


2026年10月6日,OpenAI在代碼託管平台GitHub上傳了722份數學手稿。第二天,因為一個符號錯誤引發連鎖問題,緊急撤回了3份,公開目錄最後定格在719份。這些手稿涵蓋372個數學結果族,涉及數百項開放研究問題,全部出自一個未公開的內部前沿模型。OpenAI的說法是,模型嘗試了大約4000個尚未解決的問題,最終在372組問題上交出結果,平均每題消耗的算力,相當於ChatGPT Pro認真思考3個小時。

數字本身已經夠震撼了,但真正令數學界感到不安的,不是719這個數量,而是它背後那道裂縫:AI生成數學證明的速度,正在遠遠超過人類驗證和理解的速度。OpenAI把這719份手稿一次性倒在學界面前,等於是把這道裂縫直接撕成了一場公開衝突。

OpenAI不是沒有預見到爭議。它表示發布前曾經諮詢過普林斯頓高等研究院主持的「數學與人工智能顧問小組」AGMAI,也參考了對方的公開建議。這個小組由全球多家機構的9位數學研究者組成,9月底才發布針對前沿AI實驗室的指導方針,核心要求很明確:停止在私有模型上短期競逐高難度數學問題;披露模型名稱、提示詞、推理鏈、耗時和算力成本;確保AI生成的證明方便人類數學家審查和學習。

對照這些標準,OpenAI的執行情況不理想:它用的正是一個未公開的專有模型。719份手稿裏,只有10份附上了模型的推理。AGMAI要求提供機器可讀的元數據,把自然語言證明和形式化產物關聯起來,OpenAI沒有提供。大約42%的證明沒有完成Lean形式化處理,也就是說,這些結果無法由計算機逐行檢查。AGMAI隨後公開聲明,它的諮詢角色「不構成對OpenAI獲取或發布這些結果的認可」,最終還是由數學界來評估這些建議是否得到充分執行。

攻克難題後續跟進未跟上

如果說AGMAI的聲明是制度層面的否定,菲爾茲獎得主陶哲軒的批評,則觸及了更深的認知層面。陶哲軒明確強調,他並不反對AI做數學,甚至一直是AI輔助研究的積極使用者,他反對的是把「用AI快速攻克著名難題」當成主要目標或產品展示。他的核心論斷是一個生物學比喻:數學界正面臨「證明消化不良」,AI可以用極高速度生成命題、證明和反例,但人類來不及驗證、理解、寫作、教學和吸收,結果就是大量「無人能消化的證明」。在傳統數學裏,一個長期猜想被突破,不止於「得到答案」,作者會做報告,參加研討會,和同行交流,證明會被簡化、解釋、納入教材,催生後續的問題、合作者和研究方向。但在OpenAI的做法裏,目標一旦「解決」,之後的理解、報告、同行互動和領域建設,很少發生。

如果說方法的批評還停留在「如何做」的層面,那麼牛津大學與倫敦國王學院研究者的一篇新文章,指向了一個更技術性的風險:自然語言證明與形式化代碼之間的系統性錯位。

英國研究揭示系統性錯位

AI模型解數學題的典型流程是:先給出「自然語言」解釋,再嘗試用Lean(一種可被計算機逐行驗證的證明語言)表達同一結果。理論上,Lean編譯通過,就意味着證明在形式邏輯上無誤。

但這篇文章記錄了至少兩處不一致:OpenAI針對一個納維-斯托克斯方程(Navier–Stokes equations)衍生的問題所給出的解答中,自然語言證明和背後的Lean代碼存在差異,這些差異不一定意味着證明本身錯,但它們揭示了一個關鍵事實:模型把文字推理翻譯成可驗證代碼的過程,可能出錯。

OpenAI的719份手稿證明了一件事:一個未公開的前沿模型,已經能在相當數量的開放問題上,生成看起來完整的數學證明,這本身就是一個能力信號,不應該被爭議完全掩蓋。

Anthropic的數學家Levent Alpoge在社交媒體上寫道,這「儼然是數學史上最重要的時刻」,因為它展示了這項技術對數學家變得有用的速度有多快。

AI與數學社群的不對等困境

「有用」和「可吸收」之間,隔着一整套學術共同體的運作機制。OpenAI把719份手稿一次性倒在GitHub上,繞過了這套機制裏最關鍵的環節:同行評議、學術報告、領域對話,以及年輕研究者透過參與這些過程而獲得的訓練。

陶哲軒的批評之所以尖銳,不在於他否定AI的能力,而在於他指出了一個不對等:AI公司可以用算力換取數量,但數學共同體只能用人的時間和理解來消化數量。當生產速度和消化速度之間的差距被拉到極致,「證明」就從一種知識形態,退化成一種需要被處理的庫存。719份手稿的風波,不會是終點,它更像是一個提前到來的樣本,展示了當AI的生成能力開始系統性地超越人類的吸收能力時,學術共同體將面臨什麼樣的壓力測試。

原文請按這裡

曾啟邦 (Rex)
作者為 AlgoBot聯合創辦人