新智元报道
新智元报道
「如果我想当数学家，看来大概只剩两周了。」
开这个玩笑的，是一个13岁的小女孩。
她的父亲Scott Aaronson，是德州大学奥斯汀分校的理论计算机科学教授，也曾在OpenAI对齐团队担任访问研究员。
9月15日，Aaronson把女儿的这句话写进了一篇长博文里。
同一篇博文里，他还列了一份清单，过去一个月，被AI证明或协助证明的长期开放问题：
雅可比猜想的反例、经Lean验证的费马大定理、量子复杂性理论里悬置多年的难题，全在其中。
真正让数学圈坐不住的，是清单末尾的一则传闻。
据他透露，AI公司在纳维-斯托克斯（Navier-Stokes）方程的证明上经历了一轮带有敌意的公众反应之后，现在正把一些「非常重大的问题」的解法压在手里，打算等想出更好的处理办法再说。
沃顿商学院副教授Ethan Mollick转发时特意声明，自己平时不传谣，但判断这条消息来自掌握内部信息的人，可信度不低。
随后，纽约大学数学教授Scott Armstrong又爆出一个更惊人的数字：
他被告知，OpenAI至少从7月的国际数学家大会（ICM）起，就压着「数百个」数学证明没有发布。
一道悬了几十年的难题被解开了，要不要立刻告诉全世界？
过去几百年，这在数学界几乎就不算个问题。
人们担心的只是题太难，没人解得开。
现在，一种新的不安正在数学界蔓延：答案也许早被机器算出来了，只是被锁在实验室里，秘而不宣。
「数百个」未公开的证明，听起来像天方夜谭，但放在今天的前沿AI实验室里，这是完全符合逻辑的。
20年前，最保守的学者都会调侃：等AI解出千禧年大奖难题，再叫醒我。
如今，AI解开一道旷世难题，不过几十个小时的事，人们甚至已经开始对此见怪不怪。
这一次，让数学界坐不住的不是又一道题被解开，而是不知道AI又偷偷解开了哪些题。
8月1日，OpenAI一口气发布了十项数学和理论计算机科学成果，宣称每项都解决或实质性推进了长期以来的开放问题。
9月1日，OpenAI听到风声：有两道千禧年难题已被人解决。
OpenAI的做法简单粗暴：
既然不知道是哪两道，就索性把所有未攻克的千禧年难题连同一批高影响问题，一股脑喂给一个能力强于GPT-6 Astra的内部模型。
一个近100个智能体组成的小组，仅用约50小时就先解出了无外力版本的欧拉方程问题。
随后，资源被集中倾斜到纳维-斯托克斯方程上。
攻克这道题的那一组，有大约1万个智能体在并发，距首批智能体启动约88小时后，解法出炉，随后的Lean形式化验证又花了17小时。
仅这一道题，就消耗了约1300亿个输出token。
Aaronson估算，这份166页的证明至少烧掉了约1500万美元算力，而目前大概还没有任何一个人类真正读懂了它。
纳维-斯托克斯只是冰山一角。
Armstrong透露，实验室现在几天之内就能拿出一篇160页的论文，外加一份数十万行规模的Lean形式化证明。
听到一点风吹草动，就能瞬间调动一万个智能体连跑88小时，这种碾压级的算力暴力，是过去任何一所顶尖大学都无法想象的。
人类的科研节奏与AI完全处于两个平行的时空。
按照Clay数学研究所的规则，千禧年难题的认定需要经过正式发表、等待两年，以及外部专家的严苛审查。
直到今天，Clay依然将纳维-斯托克斯列为未解决问题，并表示会对整个事件进行详细审查。
机器出结果按天算，人类读懂结果按年算。
同行评审、学术报告、写进教科书，这套跑了几百年的流程，接不住AI这样的产出节奏。
来不及消化的成果越堆越多，实验室里出现一批没公开的证明，几乎是算力爆发下的必然。
它动摇的，是学术界赖以运转的四条老规矩：谁先发表谁拿功劳，谁做出来署谁的名，成果要让同行知道，同行审过才算数。
首先动摇的，是成果公开这件事。
Aaronson提到的「AI公司」不只一家，而Armstrong则直接点名OpenAI，还甩出了「数百个」这个惊人数字。
作为索邦大学与法国国家科学研究中心（CNRS）的研究员，Armstrong担心的不只是有多少证明被AI实验室解出后积压着不公开，更是知识正在从「人人可查」，变成「圈内人先知道」。
他写道，关于重大成果的传闻满天飞，一个人离实验室的社交距离，决定了他能知道多少。
要知道，数学之所以能在过去三百多年取得飞速发展，靠得正是公开交流。
如今，AI实验室里的数学突破开始被关起门来，这无异于一次倒退。
其次，是「优先权」规则的失灵。
过去谁先做出来并公开，名声就归谁。但纳维-斯托克斯事件打破了铁律。
纽约大学数学家Tristan Buckmaster与Anthropic的Levent Alpöge此前已在该方向取得进展。
OpenAI正是听到了风声，才在不到一周内用庞大资源碾压出证明，事后才联系两人提出同时发布。
陶哲轩在Mastodon上发出警告：如今只要传出「有人在研究某个问题」，就可能引来大规模AI算力的降维打击，在人类项目长成之前将其碾平。
这会导致研究者不再敢与同行分享任何有前景的思路，逆转几个世纪以来的开放科学传统。
第三条被撕裂的规则，是「发表前先被读懂」。
Lean能保证证明逻辑无误，却保证不了人类能看懂。
Aaronson形容，如今的期刊编辑就像《魔戒》里死守城墙的刚铎守军，面对五万半兽人大军的疯狂冲锋，如果不把部分审稿工作交给AI，人类根本接不住。
9月11日，陶哲轩等25位菲尔兹奖得主联名发表公开信，批评AI公司把数学难题当跑分工具。
信中一针见血地指出：数学真正的目标是理解，解题只是手段。
这是一个死结，发得快没人读得懂，发得慢又被指责「压着不发」。公开一个答案的成本，第一次高过了寻找答案的成本。
最后动摇的，是「署名」这件事。
如果在找证明的过程中全程没参与，还能不能署名？把GPT-6 Astra写进作者栏，又算怎么回事？
Aaronson说，现在数学家们聊天，不管从哪儿聊起，最后总会绕到AI上。
而怎么应对，眼下谁也没有答案。
一位博士生，已经死磕一道难题三年了。
而这道题的答案，可能早就躺在某家AI实验室的服务器里。
不仅他和他的导师不知道，连审稿人也不知道。
你死磕多年，那边AI早已解出来了。想象一下，这是一个多么残酷的场景！
以前，学术界比的是谁先证明；以后可能还得加一条：谁先知道哪些题已经被证明了。
当机器找到答案的速度，开始快过学术界读懂答案的速度，一串问题就摆到了桌面上：什么时候公开，以什么形式公开，署谁的名，该由谁说了算？
Aaronson在博客里写下这样一句判断：
奇点已经开始了，只是分布得极不均匀。
Aaronson说，他照样要收拾洗碗机、剪脚趾甲。可余生里，他大概不会再因为「真的被需要」去证明一个定理了。就算再证，也只是为了乐趣。
Aaronson说的是奇点分布不均匀。如果再往下看，不均匀的不只是解题能力，还有知情权，以及做数学的价值感。
几千年来，数学家的核心焦虑是这道题，谁能解？
以后，可能又多出了两种焦虑。
一种是，我正在啃的这道题，会不会早就被机器解出来了？
另一种是：我手上的思路，一旦说出口，会不会被算力抢先做完，几年心血就此白费？
数学，一直是人类最慷慨的学科。
一个证明写出来，全世界都能读，都能接着往下走。
可当答案先落进AI实验室的服务器，这份慷慨，还能维持多久？
参考资料：
编辑：元宇
