OpenAI 数学争议：25 位菲尔兹奖得主质疑 AI 证明竞赛

OpenAI 在短短数日内，将一项非同寻常的数学主张演变成了一场 OpenAI 数学争议。9 月 8 日，该公司称其内部 AI 系统已解决 Navier-Stokes 千禧年难题。三天后，25 位菲尔兹奖得主警告称，AI 公司与数学家正在追求截然不同且存在危险偏差的目标。

这场争议远不止于 OpenAI 的证明能否经受审查。它关乎 AI 实验室如何选择问题、处理保密研究、分配署名，以及在专家尚未来得及充分理解结果前如何发布成果。数学家们正在质疑一种奖励最快答案的体系，即便理解与归属问题只能在事后才得到解决。

OpenAI 表示，其研究人员和智能体从未接触过数学家 Tristan Buckmaster 和 Levent Alpöge 的私下研究。Buckmaster 表示，他不知道他们的数据是否影响了该系统。这个尚未解决的缺口，如今与一项可能具有历史意义的证明并存，使信任本身也成为结果的一部分。

OpenAI 数学争议如何在四天内升级

决定性的变化并非某一份证明本身，而是一项研究主张迅速演变为有关科学规范的争议。

OpenAI 在听闻两道千禧年难题已被解决的传言后，于 9 月 1 日启动了这项工作。该公司后来将这些传言与纽约大学教授 Buckmaster 以及独立开展研究的 Anthropic 员工 Alpöge 联系起来。

根据 OpenAI 的技术说明，该公司最初为每一道尚未解决的千禧年难题分配了智能体。在进一步了解相关研究后，它将资源集中于 Navier-Stokes 问题。

Navier-Stokes 方程描述流体运动。该千禧年难题所问的是，光滑的三维解是否始终保持良好性质，还是会在有限时间内形成奇点。

OpenAI 表示，其智能体在首批智能体启动约 88 小时后，于 9 月 5 日找到了解法。在 Lean 中完成形式化与验证又花费了 17 小时。

Lean 是一种证明助手，用于检查形式化逻辑步骤是否遵循既定的定义与公理。通过这项检查，能够证明形式系统内部的一致性。但它并不能替代对某个定理如何对应原始问题的审视。

该公司称，Navier-Stokes 项目共生成约 270 万条智能体消息和 1300 亿个输出 token。在全部尝试的问题中，其智能体交换了 490 万条消息，并生成约 3000 亿个 token。

这些数字展现了搜索的规模，但并不能证明该结果已获数学界认可、具有原创性或得到了恰当署名。这些问题各自需要不同类型的审查。

OpenAI 于 9 月 8 日发布了这一主张。Nature 当天将其描述为首个由计算机提出、针对真正重大开放问题的解法声明，同时谨慎地将这一结论归因于 OpenAI。

这份初步评估凸显了其中的非凡利害关系。一份有效证明将代表数学与自动推理领域的重大进展。然而，这一宣布发生在常规的发表、专家讨论、修正和广泛接受流程尚未完成之前。

另一场冲突其实已经在酝酿。Buckmaster 和 Alpöge 在多套 AI 系统的协助下，花费约一年时间研究相关流体方程。他们的研究涉及受迫 Euler 方程及其他相连问题，而非 OpenAI 声称已解决的那条确切定理。

但他们的研究路径仍然重要。Buckmaster 表示，他们的方法源自 Diego Córdoba 和 Luis Martínez-Zoroa 的早期工作。他认为，这并非 AI 仅凭原始问题陈述、在数日内就能轻易发现的方向。

OpenAI 给出了不同的说法。它表示，其智能体在公开发布前未接触 Buckmaster 和 Alpöge 的研究。该公司还称，其证明与外部研究者的结果存在显著差异。

9 月 10 日，OpenAI 在调查用户输入是否可能影响其系统后，更新了公开说明。该公司称，Buckmaster 在此前两个月中输入 Codex 的提示词不可能影响模型，包括通过训练产生影响的可能性。

该公司也承认 Alpöge 和 Buckmaster 对其受迫 Euler 结果拥有优先权。它坚持表示，没有访问任何具体用户数据来解决 Navier-Stokes 问题。

9 月 11 日，这场冲突扩大到涉事个人之外。25 位菲尔兹奖得主发表了一份联合声明，称 AI 公司与数学界之间存在严重错位。

他们的介入改变了事件的性质。核心问题不再只是某个模型是否生成了一份正确证明，而是 AI 基准测试文化是否正在损害将答案转化为持久知识所必需的制度。

为何 25 位菲尔兹奖得主拒绝基准测试思维

联署者并未反对 AI 辅助数学研究。他们反对把知名难题当作脱离理解、培养与学术署名的计分板。

该群体包括 Terence Tao、Maryna Viazovska、Manjul Bhargava、Peter Scholze、June Huh、Cédric Villani，以及另外 19 位菲尔兹奖得主。他们的集体声望使这份声明很难被视为对自动化的普通抵触。

他们的论点始于对“解答”与“理解”的区分。知名问题为数学家提供探索方向。它的价值部分来自这段旅程中发展出的思想、方法与问题。

最终的“真或假”答案，只是这一过程的一个产物。研究人员必须解释证明、定位其核心思想、将其与既有研究联系起来，并使这些思想能为其他人所用。

该声明警告称，以不断提高的速度大规模生成解答，可能扰乱这一过程。大量技术上有效的主张，可能压垮能够评估、解释并整合它们的有限专家群体。

因此，验证至少包含三个层面。形式化检查器可以测试已编码步骤是否有效；专业数学家必须判断形式化陈述是否对应预期定理；更广泛的学术共同体随后还必须决定，这一结果是否引入了可靠且有用的知识。

菲尔兹奖得主尤其关注第三个层面。他们认为，数学思想通过演讲、讨论、简化、教学和严谨写作而获得价值。这些活动需要时间，也需要愿意参与的人类。

这使 OpenAI 数学争议不仅是一场科学争论，也是一项劳动力配置问题。AI 系统能够比大学增加合格审稿人供给的速度更快地提升拟议结果的供给。

这种负担并不均匀。狭窄领域的专家可能会感到有义务审查高关注度主张，因为公众信心取决于他们的判断。然而，审阅一份冗长的机器生成证明，可能会挤占他们自身的研究、教学和学生指导工作。

AI 实验室能够为大规模推理运行提供资金。学术院系通常无法迅速组织起规模同样庞大的审查队伍。这种失衡让公司能够掌控发布节奏，而外部人士则承担了验证成本中的很大一部分。

联署者还质疑，知名难题是否适合作为理想的 AI 基准。基准测试需要可识别的目标和明确的成功信号。千禧年难题看似颇具吸引力，因为几乎所有人都明白，解决其中任何一道都意义重大。

数学研究的目标更为广泛。研究人员追求解释性结构、可复用的技术、富有成效的猜想，以及新的研究共同体。一份在不揭示易于理解思想的情况下结束难题的证明，可能取得很高分数，却对这些目标贡献较少。

这并不意味着该证明毫无价值，而是改变了将该项目称为成功时所应采用的标准。

OpenAI 自身也承认了这种区分的一部分。该公司将其结果描述为实质性进展，并称无意宣称获得千禧年奖。它还将这项工作称为 AI 发展的一个快照，而非最终成果。

这种表述将该证明置于 AI 能力叙事之中。对 OpenAI 而言，这次运行测试的是一个协同系统能否攻克困难的前沿问题。对数学家而言，相关测试还包括学界之后能够理解什么、并在此基础上构建什么。

这两种评估都可能合理。问题出在实验室的基准测试结果被公开呈现为等同于已完成的科学流程之时。

因此，该声明呼吁掌控 AI 发展的人类作出不同选择。它支持增强数学研究与理解的 AI，反对那些将快速宣布置于融入数学知识记录之上的激励机制。

这种区分在数学之外同样重要。当生成式代码提升产出速度快于人们审查架构、安全性和维护后果的速度时，软件团队已面临类似压力。

当 AI 生成摘要的速度快于任何人验证其来源的速度时，知识工作者也会经历另一种版本的问题。可检索的AI 知识库可以保留上下文，但无法决定哪一项缺乏支持的主张值得信任。

因此，数学家的警告并非对较慢工作方式的怀旧，而是要求自动化必须纳入解读和维护机器产出所需的人类系统。

核心冲突是速度与科学责任之间的矛盾

OpenAI 优化的是快速找到结果，而数学家坚持认为，发现伴随着无法被压缩进一次推理运行的责任。

该公司的系统利用协同智能体并行探索多种路径。Codex 汇总了有前景的中间结果，使不同小组的想法能够影响后续搜索。

这类似于一个以机器速度运行的大型研究机构。团队沿着不同路径推进、比较发现，并将资源重新导向有希望的线索。不同之处在于规模与节奏。

数千个并发智能体能够在同一时期生成超过任何人类团队阅读能力的数学材料。这种规模有助于搜索复杂的问题空间，但也会带来筛选问题。

一份正确证明可能埋没在失败尝试之中。一项有用的想法可能出现，却没有清晰的思想来源。多个智能体还可能独立重构训练数据或公开文献中已有的技术。

因此，最终输出可能在形式上有效，但其概念史仍难以解释。形式化验证回答的是已编码证明是否成立，却不会自动揭示哪些既有思想促成了搜索成功。

由于 OpenAI 在听闻外部进展传言后启动工作，这一局限变得敏感。该公司表示，传言促使其开展评估工作，并且它只在外部研究公开发布后才看到相关内容。

Buckmaster 的说法引发了不同的担忧。他表示，自己和 Alpöge 在项目期间曾将草稿和研究材料输入 Codex。在与 OpenAI 沟通时，他询问这些会话是否可被内部系统访问。

他说，他得到的保证是模型不会查阅用户数据，但对于训练问题并未立即得到答复。OpenAI 后来表示，相关提示词不可能通过任何途径影响模型，包括训练。

这些表态缩小了争议范围，但并未消除更广泛的治理问题。研究人员需要知道，机密查询是否可能影响模型开发、评估或内部研究议程。

问题并不止于直接复制。元数据、汇总使用模式、去标识化示例以及员工掌握的知识，都可能影响实验室选择研究什么。不同路径需要不同的保障措施。

OpenAI 更新后的声明回应了涉及的特定模型和时期。但它尚未确立一套适用于产品用户与实验室内部研究人员发生利益冲突时的通用协议。

争议还包括围绕发表和署名的分歧性对话。Buckmaster 表示，OpenAI 曾提出协调发布方案；由于 Alpöge 供职于 Anthropic，这些方案会对各方采取不同安排。

OpenAI 研究员 Sébastien Bubeck 否认曾试图将 Alpöge 从其本人工作的作者名单中移除。他表示，讨论涉及的是一份经改写的 OpenAI 证明的署名问题。

Bubeck 还就一则关于 Buckmaster 冒着职业生涯风险的言论致歉。他称那是措辞不当，并表示原意是警告对方不要提出没有依据的指控。

Buckmaster 明确表示，他并未指控 OpenAI 滥用数据。他说，自己不知道其模型做了什么、如何运作，也不知道外部团队的数据是否被使用。

因此，这份争议时间线包含指控、否认、澄清，以及一个尚未解决的信任问题。它并不支持“证明被窃取”这一简单结论。

这一区分至关重要。最有力、且已得到核实的批评，涉及流程、激励机制和透明度。要提出剽窃指控，则需要尚未被公开确立的证据。

25 位菲尔兹奖得主也据此扩大了论证范围。他们的声明讨论了仓促发布、署名不完整以及数学理解的流失。它并不依赖于证明 OpenAI 曾访问私密草稿。

这正是为何“速度”与“科学守护责任”之间的矛盾最为清晰。OpenAI 可能在数据访问问题上是正确的，但其发布模式仍可能面临正当批评。

同样，数学家们可以反对基准测试激励，而不否认该 AI 系统产出了重要成果。争议在于：一旦机器能够以极端规模产出可信的前沿研究，机构究竟应当奖励什么。

经 Lean 验证的证明，尚不等于解决千禧年大奖难题

该证明的形式化地位意义重大，但公众表述的推进速度，已快过决定数学界是否接受它的机构。

OpenAI 表示，其提出的解法显示，三维 Navier-Stokes 方程的光滑解可能出现有限时间奇点。若获接受，这将通过确立题目所述两种可能性中的“失效”一侧来解决该问题。

该公司还发布了 Lean 形式化版本。这一步不仅仅是一篇传统论文，因为专家可以检查可由机器验证的定义和依赖关系。

不过，形式化并不能消除所有错误来源。形式化定理可能与 Clay 问题存在细微差异。假设可能被错误编码。定义也可能捕捉到一个相近结果，却未解答原本的问题。

专家必须将形式化陈述与原始问题逐一比对，并解释每一项构造。他们还需要理解，该证明是否依赖于可接受的表述、正则性条件和解的概念。

因此，公众应当区分四项主张。

第一，OpenAI 表示其内部系统生成了一份候选解。这一事件由公司的发布材料和公开资料所记录。

第二，Lean 接受了一份形式化证明。这支持该证明在所选形式化框架内的逻辑一致性。

第三，外部专家必须判断该形式化结果是否精确解决了 Navier-Stokes 问题。争议爆发时，这一过程仍在进行。

第四，Clay Mathematics Institute 有一套独立的认可程序。其奖项规则要求成果发表在符合资格的出版渠道、经过至少两年的等待期，并获得全球数学界的普遍接受。

任何发布公告都无法绕过这些条件。OpenAI 也表示无意申请该奖项，但这些规则仍可作为审慎验证的范本。

等待期反映了一项现实：重大证明常会随着读者发现漏洞、简化论证或质疑定义而发生变化。学界的接受不可能围绕产品发布公告来安排。

唯一此前已解决的千禧年难题，也说明了形式化发现与制度性定论之间的差异。Grigori Perelman 在 2000 年代初发布了关于 Poincaré 猜想的工作。多年审查之后，该结果才获得广泛接受。

AI 可以缩短寻找证明的时间，但无法自动压缩人们理解其后果所需的时间。

这一差距带来了传播风险。宣称 OpenAI “解决了” Navier-Stokes 问题的标题，可能给人一种结论已定的印象。更准确的表述是：该公司提出并形式化了一种有待独立评估的解法。

怀疑论者的论述也不应在相反方向上过度延伸。尚待审查并不意味着该证明很可能是错的。形式化验证和早期专家关注，使这一主张远比没有依据的聊天机器人回答更严肃。

真正的不确定性在于等价性、原创性、可解释性和接受程度。即使未发现逻辑缺陷，这些问题仍然重要。

OpenAI 关于规模的说法也需要谨慎解读。庞大的 token 数量表明这是一项昂贵且广泛的计算，但并不能衡量最终数学成果的新颖性或优雅程度。

简短的人类证明可能揭示一个可复用的思想。冗长的机器生成证明，可能通过少有人能继续扩展的复杂构造来解决一个定理。两种结果都可能正确，但它们的科学价值可能以不同方式展开。

这一区分同样影响安全性。研究人员在向同事解释结果时，常常会发现隐藏的假设。如果 AI 系统生成证明的速度快过人类重构它们的速度，这一社会性的纠错层就会被削弱。

一个有用的标准应当不止要求提供可下载的证明文件。实验室可以在提出重大主张时，同时发布易读的概念图谱、来源记录、失败的尝试、模型细节以及形式化定义。

独立团队随后便可复现形式化检查，以及其与原始定理之间的对应关系。这样的做法能让人们更容易信任 AI 辅助发现，而无需公司披露每一个模型参数。

在这些规范形成之前，“AI 解决了一道千禧年难题”这句话把多个尚未完成的判断压缩进了一句话。这种压缩帮助将一项非凡的研究成果转变为 OpenAI 数学争议。

当研究工具本身也是竞争者，署名变得更加困难

这场争议暴露出一种普通隐私政策并非为之设计的冲突：AI 提供商可以一边服务研究人员，一边在内部追逐同样的发现。

据报道，Buckmaster 和 Alpöge 在工作中使用了多个语言模型，其中包括 OpenAI 系统。因此，他们的草稿和提示词经过了由拥有自身科学抱负的公司运营的工具。

研究人员经常通过软件分享尚未发表的推理。云存储保存手稿，电子邮件传递猜想，协作平台记录讨论。AI 助手则更进一步，因为用户会提交详细问题、失败路径和部分见解。

这种互动可能暴露一项尚未完成发现的大致轮廓。即使不复制文本，提供商也可能得知用户正集中研究某种特定方法，或正接近某项结果。

OpenAI 表示，这在 Navier-Stokes 项目中并未发生。其调查结论是，Buckmaster 相关的 Codex 提示词不可能影响内部系统。

该公司的这一发现值得被清晰报道。目前的公开证据并未证明 OpenAI 曾利用数学家们的私密材料进行训练或检索。

然而，信任需要的不只是公司在争议发生后自行调查。研究人员需要在披露有价值的想法之前，就有已确立的政策可依。

这些政策应回答实际问题：产品数据能否影响内部基准测试的选择？去标识化提示词能否影响研究优先级？商业产品团队与前沿研究团队之间有哪些控制措施？

用户还需要知道如何审查利益冲突。相较于面对指控的组织事后发表声明，独立审计能提供更强的保证。

竞争者这一维度又增加了一层复杂性。Alpöge 就职于 Anthropic，尽管报道将该项目描述为独立工作。因此，OpenAI 所接触的研究同时关联一名外部学者和一家竞争实验室的员工。

这一关联使协调变得敏感。它也说明了传统署名规范为何可能与企业边界发生碰撞。

科学署名通常遵循智力贡献。企业的发表规则则可能遵循雇佣关系、保密要求和竞争策略。由实验室内部生成的 AI 证明，正处于这两套体系的交汇处。

菲尔兹奖得主们对署名的警告，正是针对这一冲突。数学通过与既有思想的明确联系而发展。即使证明的步骤由机器组合而成，它也必须被置于这一传承脉络之中。

模型使署名变得复杂，因为它们在训练中吸收了广泛的文献体系。其输出很少会指出哪些来源塑造了某一特定推理。智能体系统又增加了一层复杂性，因为它们会跨大量生成的对话组合中间结果。

因此，实验室在成功之后可能难以重构成果来源。这并不是不当行为的证据，而是作为科学协作者进行营销的系统所存在的设计弱点。

更好的来源追踪可以包括带时间戳的智能体轨迹、引用的检索来源、模型检查点以及人工干预记录。保护隐私的审计可以检验特定用户材料是否进入研究流程。

明确的保密期程序也会有所帮助。当实验室得知外部研究人员正接近某项成果时，可以在启动竞争性的内部运行前，指定一名独立的利益冲突审查者。

发表协议可以将能力展示与科学主张区分开来。实验室可以披露模型生成了一个候选结果，同时推迟使用确定性措辞，直至外部审查者完成初步评估。

这些措施会放慢营销周期，但也会保护未来成果的可信度。

OpenAI 数学争议显示了在竞赛过程中临时制定这类规则会发生什么。即使是一份正确的证明，也可能蒙上一层本可避免的疑云。

对于企业采购方而言，教训显而易见。敏感提示词可能包含可申请专利的方法、尚未发布的产品计划、法律推理或专有研究。合同条款和技术控制措施必须覆盖内部研究用途，而不只是外部数据披露。

对于开发者而言，溯源应成为产品需求。一个无法说明其来源路径的答案，一旦进入代码、研究或受监管决策，就会带来风险。

对于知识工作者而言，保留原始文档和对话仍然至关重要。生成式摘要应补充证据链，而非取代它。

数学提供了一个格外清晰的检验案例，因为形式正确性有时可以被验证。其他领域也将面临同样的所有权问题，只是验证工具更弱，模糊空间更大。

三个信号将决定这一事件会带来什么改变

下一阶段取决于数学审查、可执行的数据保障措施，以及 AI 实验室是否会改变其发布科学成果的方式。

第一个信号是独立技术验证。专家必须将 OpenAI 的形式化陈述与 Clay 的表述进行比对，审查其构造，并检验其假设是否填补了所有相关缺口。

如果形成明确共识，认为该证明解决了原始问题，将强化 OpenAI 的能力主张。这不会平息归属争议，但会确立该成果在数学上的重要性。

如果存在重大不一致或无法修复的缺口，将削弱该公司的公告可信度。这也会印证菲尔兹奖得主关于在充分审查前宣传成果的警告。

读者应关注同行评审论文、详细研讨会、独立的 Lean 复现，以及专家解读。AI 评论人士的一般性反应不能替代这些信号。

第二个信号是针对研究者数据的可验证政策。OpenAI 针对此案的调查称，Buckmaster 的提示词并未影响该系统。更广泛的问题在于，前沿实验室是否会为未来的冲突建立可审计的保护机制。

一项强有力的政策将界定用户数据、模型开发、基准选择和内部科学项目之间的隔离措施。它还将明确由谁独立调查争议。

如果 OpenAI 或其竞争对手公布可执行的保障措施，研究人员将有更清晰的依据，决定是否将未完成的工作交给 AI 工具。如果政策仍然含糊，用户可能会避免分享自己最有价值的推理。

这种退出会伤害双方。数学家将失去有用的辅助，而模型开发者则会失去高要求研究环境中的专家反馈。

第三个信号是科学成果发布实践的改变。25 位菲尔兹奖得主呼吁 AI 公司优先考虑理解、归属和融入学术共同体，而非基准测试上的胜利。

有意义的回应将体现在下一项重大主张中。实验室会在宣布成功前邀请外部专家参与吗？它会在形式化成果之外，同时发布概念性解释和溯源信息吗？

它会在标题和高管声明中区分候选证明与已被接受的解法吗？它会给予先前研究者足够时间审查引文和知识依赖关系吗？

如果这些做法得到改善，这一事件或许会成为一次富有成效的纠正。AI 系统可以加速发现，而更健全的制度能够维护贡献归属和理解。

如果同样的模式再次出现，冲突将会加深。研究人员可能首先将前沿实验室视为竞争者，其次才是合作者。

这种结果将限制 AI 系统仍然需要的人类专业知识的获取。它还可能使科学工作分裂在企业边界、私有工具和谨慎封闭的学术群体之间。

因此，OpenAI 数学争议并不是对 AI 是否应属于数学领域的裁决。AI 已经是该领域的一部分，从非正式探索到形式化证明检查皆是如此。

尚未解决的问题是治理。一台机器可以搜索数百万条路径，但仍由机构决定什么值得相信、谁应获得认可，以及知识如何传递给下一代。

先关注证明审查，因为正确性仍是根本。然后关注数据规则和下一次公告，因为这些选择将揭示该行业是否真正理解了这一警告。

最有价值的问题并不是 AI 能否再给出一个著名答案，而是部署它的人能否维护让一个答案具有科学价值的条件。