博客

多年之后，面对人工智能，数学家们或许会回想起OpenAI在数学界掀起波澜的那个遥远早晨。

10月6日，OpenAI在GitHub上一次性发布了722份手稿，其中包含372个数学难题的证明研究，给数学家们带来了巨大冲击。

这些题目的难度我们难以评判，但从数学界内部研究人员的反应来看，可能比之前GPT快速解决千禧年难题还要惊人。

罗格斯大学的数论学家Alex直言，这简直是在开玩笑，准黎曼猜想都被解决了，菲尔兹奖干脆直接给你算了。

英国皇家学会的研究员Thomas则更为淡然，建议大家都去休假，陪陪家人，感受一下自然，之后再回来工作。

没办法，上次千禧年难题被快速攻克时，大家的感受还没这么强烈，毕竟数学细分领域众多，隔行如隔山。

但这次OpenAI不按常理出牌，攻击范围覆盖了17个领域，包括数论、代数、几何、拓扑等，火力覆盖范围全面拉升。

除此之外，解题成本也大幅下降。以前解决NS方程时，需要上万个Agent协同工作88小时，但这次平均每个问题只消耗了ChatGPT Pro三个小时的计算资源。

没错，甚至还是聊天模式。

难道数学真的要完蛋了？

从传统视角看，情况确实不容乐观。我们之前采访过业内人士，大家可以看看（15分钟一局的王者荣耀，成了数学博士生的避难所）。AI辅助数学科研的趋势其实早已不可阻挡。

但现在大家争论的焦点并不在这里，而是OpenAI这些模型厂商像泄洪一样发布粗糙的证明，可能正在损害数学，甚至科学研究本身。

因为他们发布的证明过程和论文，很多都是废话连篇、逻辑不通的。虽然能通过机器验证，但很难沉淀成人类能理解的知识。

这件事数学家们已经呼吁过多次了。

上个月11号，在NS方程问题被解决后，陶哲轩联合25位菲尔兹奖得主发布了联合声明，强调的就是这个问题。他们说AI搞数学虽然厉害，但现在用法不对，存在严重错位，不能让AI公司把数学题当成刷榜的基准。

这次事件后，人类数学协会AHM发布的声明则更为激烈。他们呼吁数学家停止与OpenAI合作，因为这家公司只会展示实力，漠视科研规范，大家还是应该回归以人类为中心的科研模式。

这可不是什么被AI抢了风头的委屈抱怨，而是他们切实感受到，AI这样像窜稀一样发布，真的会出问题。

比如今天下午，OpenAI就刚刚撤回了已经发布的3份手稿。原因相当草率，就是一篇论文中的一个正负号搞错了，导致关键结论出错，并引发连锁反应，把另外两篇依赖它的论文也拖下了水。

不说别的，如果AI公司继续这么干，连锁反应的链条可能会越积越长，幻觉自然会像左脚踩右脚一样直接升天。

当然，数学证明出错并不是什么稀罕事，人类数学家也经常犯错。强如证明出费马大定理的怀尔斯，也用了一年的时间修补最初的证明过程。

但麻烦的是，AI这东西实在太快了，快到了另一个维度。

以前数学成果一篇篇地出，大家还能慢慢审阅、慢慢讨论。现在AI一口气甩出几百份，验证对错、梳理思路、整理成人类能理解的知识，这些最后都得落到人类数学家的头上。

别忘了，人刚刚才被AI轰炸一轮，又该以怎样的心情去给AI擦屁股呢？

而没有了这些整理沉淀的过程，很多前不着村后不着店的证明结果，很可能也没什么用处。

因为比起证明本身，数学研究里更值得关注的，其实是藏在这些证明过程中的新思想和新工具。

就拿刚才提到的费马大定理来说，看起来只是个简单的方程，但数学家们前赴后继地排着队攻克了358年，才在怀尔斯接棒后彻底解决。

死磕的这三百多年，如果只是得到一个有没有解的结论，那可亏大了。数学家们最大的收获，正是为了找到答案不断构筑的各种数学工具。

比如19世纪，库默围绕数的分解问题发展出的理想数理论，后来成了现代数论的根基之一。还有20世纪的椭圆曲线，索性走出了纯数学领域，被用在密码学里，我们网上聊天的数据传输也有它的一份功劳。

还有模形式、伽罗瓦表示等等，一代又一代，各自开枝散叶，然后才在怀尔斯的手中慢慢联系起来。等到他最终攻克费马大定理的时候，真正证明的，其实是一个范围更广的数学结论，费马大定理反而成了一个顺势得到的推论。

而这些在过程中搞出来的理论和方法，并不会随着这道题的结束而原地退役，反而会成为数学家研究其他问题的有力工具。

纪录片里，怀尔斯自己就说过，一个好的数学问题，价值不在于问题本身，而在于它能催生出怎样的数学。证明可以终结一道题，但真正有生命力的数学，是从一道题出发，让人类看到此前看不见的东西。

但不巧的是，按照一些数学研究员现阶段的反馈来看，这部分恰恰是AI的短板。

AI确实善于调用不同工具，东扯西拉地把各个领域的知识组合起来，但它组合的那些工具，基本都是已有的，也就是人类之前创造的。至于它自己造没造新工具，那得等这七百多份“手稿”被理清楚才能得知。

这种缺乏“创造力”的短板还不是什么一时的刻板印象，而是诸多业内大佬的亲身体会。2018年的菲奖得主Alessio谈到AI的使用体验时说过，如果一道题没有公认的解题思路，也没啥相关文献和先前成果，AI就非常容易抓瞎。

大佬用的模型跟OpenAI的内部模型肯定没得比，但就算这次真的有新工具问世，也还是会回到那个老问题上：怎么被人类理解，又怎么复用？

这可能是数学家，甚至科学家真正在意的东西。因为我们总不能只当个观众，不断为AI大人攻克难题而喝彩，却对它用了什么、怎么做到的一无所知。

眼下的窘境就是如此，随着这些证明越来越便宜，理解反而越来越贵了。

因为说到底，数学的证明还是得靠数学家们一点点解读给普罗大众的，但他们的动力和回报，在AI这么无差别的轰炸下，是在一点点缩小的。

如果没人再愿意去解读AI的抽象论文，那这座堆砌起来的数学大厦可能会成为《三体》里的黑域，看似掌握了前所未有的力量，实则化身为理解的屏障，把文明锁死在里面。

作为地球上现存的唯一人类物种，我们智人能混到今天，可不止会用工具而已。

你看BBC的纪录片里，黑猩猩都会用树枝插棉花糖烤着吃。但它们可不会琢磨，这火到底是怎么烧起来的，除了烤棉花糖，还能拿来干点啥？

而我们就是靠着这一路琢磨的动力，才从山洞里的篝火旁折腾到了现在。

说白了，会用工具、知道结果，跟理解工具背后的原理，终究不是一回事。科学也从来不止于发现，更在于不断刨根问底。

没了这股子动力，那再过一百万年，我们也未必能走出文明的山洞。

图片、资料来源：OpenAI、GitHub、X、知乎@Algebra、哔哩哔哩@钰子一、陶哲轩博客、AHM、部分图源网络

本文来自微信公众号“差评X.PIN”，作者：风华，编辑：江江 & 面线，36氪经授权发布。