OpenAI 在声称解决历史性数学难题后面临审查

OpenAI 于2026年9月8日宣布，一个未发布的内部人工智能模型成功解决了纳维-斯托克斯（Navier-Stokes）存在性和平滑性问题。这一挑战是克莱数学研究所设立的七个著名的千禧年大奖难题之一。该公司表示，这一突破代表了利用机器学习解决长期困扰人类专家复杂科学难题的一个重要里程碑。 公告发布后，这一成就成为了关于知识产权和功劳归属的公开争议的对象。纽约大学的 Tristan Buckmaster 和 Anthropic 的 Levent Alpoge 这两位数学家声称，OpenAI 可能在未进行适当归属的情况下使用了他们的研究。他们指出，该公司在发布自己的发现前不久，采用了他们针对方程的特定、非传统方法。 包括 Mark Chen 和研究员 Sebastien Bubeck 在内的 OpenAI 高管强烈否认了这些指控。Bubeck 表示，该公司的 AI 智能体是通过自己的计算过程独立开发出解决方案的。他进一步辩称，竞争团队所做的工作并没有像 OpenAI 模型那样完全解决纳维-斯托克斯问题。 纳维-斯托克斯方程对于理解流体（如空气和水）的物理学至关重要。虽然数学解被认为是重大的理论成就，但一些专家指出，它可能不会立即带来诸如改进空气动力学设计之类的实际应用。数学家们表示，虽然 AI 成功完成了任务，但机器所使用的过程并不一定能为人类研究人员提供新的洞察或直观理解。 这一事件突显了 AI 系统被部署用于处理高水平科学和数学研究的趋势。OpenAI 一直在积极推广其模型，作为加速物理、生物和计算机科学等领域发现的工具。该公司最近发布了由其内部前沿模型产生的一系列广泛的数学结果，以展示这些能力。 为了提高透明度，OpenAI 已咨询了高等研究院的数学与人工智能咨询小组。公司旨在制定与更广泛学术界共享 AI 生成的科学结果的最佳实践。他们还承诺发布有关获取这些结果所使用计算方法的更多细节。 尽管做出了这些努力，但该事件引发了关于 AI 在创造性和智力活动中作用的更广泛对话。一些观察家将此转变比作一个发现成本极低，但验证正确性需求变得至关重要的新时代。这种转变促使人们呼吁科技公司与传统科学界之间采取更具协作性的方法。 菲尔兹奖得主陶哲轩（Terence Tao）公开呼吁在人工智能时代建立一个新的数学框架。他建议数学界必须适应一个机器能够以惊人速度完成复杂证明的世界。这种视角反映了人们对如何在利用自动化系统力量的同时保持人类专业知识的更广泛关注。 OpenAI 概述了一个研究路线图，目标是在2026年底达到研究实习生水平的 AI 能力。该公司的长期目标是在2028年初开发出一名完全自主的 AI 研究员。这些进展预计将继续影响科学家处理数学和计算机科学理论基础的方式。 随着争论的继续，科学界在如何对 AI 辅助的发现进行归功问题上仍存在分歧。关于纳维-斯托克斯解的争议，为在技术变革时代归属权挑战提供了一个案例研究。未来重大的科学进展披露在涉及基础数据和方法的起源时，很可能面临更严格的审查。