当AI开始解决数学难题,谁来定义学术规则?
2026年9月,OpenAI宣布旗下一个未发布的模型解决了纳维-斯托克斯方程——这是克莱数学研究所七大"千禧年难题"之一,每道题悬赏100万美元。
消息本身足够震撼。但紧随其后的是一场学术丑闻:
纽约大学数学家Tristan Buckmaster指控OpenAI在得知他和Anthropic研究员Levent Alpöge正在合作研究同一问题后,紧急调动超过10000个AI Agent,在50小时内"抢跑"了他们的工作。更过分的是,OpenAI曾提出让Buckmaster单独发表论文、同时将Alpöge(Anthropic的人)从作者名单中剔除的方案。
这不是个案。这是数学界正在爆发的信任危机的冰山一角。
麻省理工学院的Neil Thompson教授团队做了一个实验,时间跨度是2024年中到2026年中——仅仅两年:
| 时间段 | AI模型正确解决理论问题的比例 |
|---|---|
| 2024年中 | 约2% |
| 2026年中 | 约35% |
测试对象是经济学、高能物理、统计理论、引力和宇宙学、量子物理等领域的未解决理论问题。答案来自2025年12月到2026年5月之间发表的论文——这意味着这些答案不在模型的训练数据里,AI必须自己想出来。
Thompson说:"几年之内,很多理论问题将被AI彻底改变。"
OpenAI在2026年9月宣布,仅其最新模型就已经解决了超过100道长期未解的数学难题,包括纳维-斯托克斯方程。
问题不只是"AI能不能解题",而是AI公司如何对待解题的方式。
2026年8月,OpenAI邀请了约40位数学家开会,讨论如果AI在数学领域超越人类该怎么办。数学家们明确请求:不要像发博客或发推特一样发布结果,请发表正式的学术论文,让学术同行有时间消化、理解和使用这些成果。
数学家Bryna Kra(西北大学)回忆:"他们说会认真考虑这个建议。"
然后就没有然后了。
2026年10月,OpenAI宣布将在GitHub上一股脑放出100多道题的解答。没有任何同行评审,没有论文,只有代码。
纳维-斯托克斯事件中,OpenAI研究员Sébastien Bubeck似乎向Buckmaster提出过"把Alpöge从作者名单里去掉"的建议,理由是这样"事情更简单"。Buckmaster拒绝了。
Bubeck事后在社交媒体上否认了这一指控,但涉事的多方均未公开回应媒体置评。
一位数学家对WIRED说了一句很重的话:"有一种感觉,领先AI公司把数学界当成了展示实力的舞台。"
当OpenAI和Anthropic都在筹备IPO、估值冲向天文数字时,数学成了一张最好看的名片——"看,我们的模型能解决千禧年难题"。但数学研究本身的进程、学术规范、以及人类数学家的尊严,都被挤到了次要位置。
数学界对AI解题的抵制不只是面子问题。
知名数学家Terence Tao(菲尔兹奖得主)在2026年9月联名发表公开信,警告无限制使用AI解题的危害:
解题过程本身往往和答案一样重要。 数学的价值不只是"找到答案",而在于证明过程中产生的洞见、方法论、以及人类理解边界的拓展。
当AI直接给出答案,这些中间过程就消失了。如果数学家不再需要经历试错、失败、重新思考的循环,数学本身会被空洞化。
OpenAI后来确实撤回了部分解答——因为它们存在错误。模型可以自信满满地"告诉"你答案,但当你仔细检查完整推导过程,"你开始发现也许它不是正确答案",研究人员Claudio Mayrink Verdun如是说。
MIT的研究同时揭示了一个悖论:AI越强大,就越需要真正的数学家来验证它的成果。GPT-5.5可以解决35%的理论难题,但剩下的65%仍然难倒它,而且那35%里也有错误。
Thompson团队的Gabriel Manso说:"我们仍然需要人来产生好的想法、连接不同的点。"
也就是说:AI的数学能力正在追赶人类,但人类对AI数学结果的审核能力还没有准备好。两件事同时加速,但后者远远落后。
当OpenAI在新闻稿里宣称"解决了100道数学难题"时,数学界的感受可能是复杂的:骄傲与愤怒并存,期待与恐惧交织。
骄傲的是:如果AI真的能加速数学发现,人类知识边界将以前所未有的速度拓展。
愤怒的是:AI公司正在用工业级速度"量产"数学突破,把几百年学术传统的积累当成可以跳过的东西。
一位数学家在私下对WIRED说:"有一种感觉,这些公司不是来参与学术界的,他们是来收购学术界的。"