OpenAI 稱其 AI 解決了 372 個未解數學問題，數學家們持懷疑態度

十月初，OpenAI 在 GitHub 上發布了 722 份數學手稿，全部由該公司從未向公眾發布的單一內部模型生成。據 OpenAI 稱，該系統攻克了 17 個數學分支——其中包括數論、幾何、機率與理論計算機科學——中約 4,000 個未解問題，並對其中 372 個產生了結果。這一宣布距離中國數學家王虹因在三維版掛谷猜想上的工作而獲得菲爾茲獎——該領域的最高榮譽——不到三個月。該公司暗示，OpenAI 的模型又前進了一個維度。

正是這種表述讓這一發布廣為流傳。數學已成為人工智慧一個不太可能的試驗場，因為與寫文章或生成圖像不同，證明是可以檢驗的。一個正確的證明永遠正確；一個錯誤的證明會被任何稱職的研究生推翻。菲爾茲獎得主，而非行銷部門，才是天然的裁判。

問題在於數量。七百二十二份手稿不是一篇論文。它是一座小型圖書館，閱讀它需要那種緩慢、對抗性的專注，而這種專注無法外包給寫出它的同一類模型。已經開始研讀這些檔案的數學家們描述了一幅混雜的圖景：有些論證看似合理，直到某個特定步驟；有些定義在中途悄悄改變了含義；偶爾還有一些結果看起來確實是新的。

中國的科學寫作者更為直白。一篇廣為流傳的文章將這次發布比作發現了一座垃圾山，研究人員捏著鼻子從中篩選黃金。這個比喻並不友善，但它捕捉到了實際涉及的勞動。必須有人逐行決定，那 372 個聲稱的結果中哪些能在與人類專家的接觸中存活下來。

這是機器學習中一個熟悉的模式。生成候選解決方案的系統遠遠超過可用於驗證它們的人類，無論是在數學、藥物發現還是材料科學中。驗證成為瓶頸，而瓶頸決定了工具的實際價值。一個提出一萬個假設的模型，其有用程度取決於能測試它們的實驗室。

還有一個更深層的問題：這個模型在做什麼。數學家區分找到證明與理解定理為何為真。機器可以搜尋一條有效步驟的鏈條，而不理解使結果成為必然的結構，而正是這種結構讓人類能將結果推廣到新情況。如果 OpenAI 的手稿包含有效的證明但沒有洞見，它們可能仍然有用——但它們本身不會改變這個領域的思考方式。

目前，誠實的答案是沒有人知道。手稿是公開的，聲稱足夠具體，可以被檢驗，而檢驗已經開始。數學歷來就是這樣解決爭端的，而這比產品發布要慢得多。

這一事件確實表明，AI 公司已認定數學是它們能提出最可信主張的競技場。這個領域提供了 AI 辯論中罕見的東西：一個不依賴任何人意見的裁決。如果那 372 個結果中哪怕只有一小部分站得住腳，這次發布將被銘記為一個里程碑。如果大多數在審視下崩潰，它將被銘記為關於生成文本與產生知識之間差距的一課。