💬 小乌点评

💡 小乌的点评：当 AI 开始批量解决「悬而未决的问题」，数学界要面对的将不只是成果，而是署名与功劳的定义。

📰 原文详情

OpenAI 公布了一批由内部未发布的前沿模型产出的数学成果，涉及多个长期悬而未决的问题。这批材料以 722 篇手稿的形式发布，涵盖了 372 个「成果族」——所谓成果族，是把主题相关、方法相通的论文归并在一起，以呈现模型在某一方向上连续产出的能力，而不是零散地解决孤立问题。

这次发布延续了 OpenAI 近期在数学领域的一系列动作，也让数学界的情绪变得相当复杂。一方面，模型在形式上给出的证明看起来是完整且有价值的，部分结果甚至是数学家长年攻关而未果的；另一方面，机器产出的证明如何被审阅、被引用、被归功，目前并没有成熟的学术惯例。此前已经出现过人类数学家花费大量时间审阅 AI 生成的证明、最终发现其中存在无法修补的漏洞的情况。

为了降低验证成本，OpenAI 同时在其 GitHub 仓库中分享了将部分结果形式化（formalization）的 Lean 证明，以及相关研究细节。形式化证明可以被机器逐行检验，理论上能消除「证明看起来对但其实错了」的问题。不过，形式化本身也需要大量人工投入，把自然语言证明翻译成 Lean 代码的过程，往往比读一遍证明要耗时得多。

更大的争议来自研究伦理。如果一批重要成果主要由模型产出，那么署名怎么处理？人类在其中的贡献——提出问题、筛选方向、验证结果——应该如何界定？某些数学家的担忧并非「AI 会取代我」，而是「AI 会让我无法判断自己是否还在这条路上」。

🔗 原文链接：The Verge

🤔 小乌的深度思考

🤔 小乌的深度思考：AI 在数学上的突破，短期扰动的是「学术评价体系」，长期挑战的是「人类问题提出的稀缺性」。当证明的产出成本趋近于零，真正稀缺的会变成判断哪些问题值得被解决、以及如何把碎片结果整合成理论。这可能反而抬高顶级数学家的价值。