OpenAI称破解数学“千禧年难题”

Jim

https://news.sciencenet.cn/htmlnews/2026/9/571153.shtm
作者：王方 来源：中国科学报 发布时间：2026/9/9

开放人工智能研究中心（OpenAI）宣称，一个真正重量级的数学公开难题首次由计算机攻克。该机构公布了“千禧年难题”中与流体运动相关问题的解答方案。

据《自然》报道，这家坐落于美国旧金山的人工智能（AI）公司于9月8日对外宣布，研究人员得出了流体最常用模型——纳维-斯托克斯方程的求解结果，证明该方程会出现解失效。这种失效现象是否真实存在，是美国克莱数学研究所在21世纪初提出的七大“千禧年难题”之一，正确解题者可获得100万美元奖金。

“见证人类对数学的认知取得重大进展，这无疑是激动人心的一天。”克莱数学研究所所长Martin Bridson表示。

纳维-斯托克斯方程示意图。图中的轨迹显示流体向内螺旋运动，同时沿轴向被拉伸。图片来源：OpenAI

OpenAI计算机科学家Ven Chandrasekaran在新闻通报会上表示：“我们的证明的确表明，存在一类初始状态完全正常的流体，在纳维-斯托克斯方程的推演下，会在有限时间内达到无穷大速度。”他指出，液体、气体这类现实世界的流体不可能出现该物理现象，这意味着在特定条件下，这套方程或许无法真实可靠地反映物理现实。

“在我看来，过去一年AI不断攻克复杂度、重要性越来越高的难题。此次成果正是这一发展轨迹的辉煌顶点。”OpenAI数学家Sebastian Bubeck说。

Bubeck表示，为攻克这一难题，OpenAI为单一任务投入了前所未有的算力资源。研究团队调用1000个AI智能体，耗时50小时，先完成问题的简化求解。“之后我们决定挑战完整的纳维-斯托克斯方程问题，进一步加大计算资源投入，动用1万个AI智能体开展运算。”在88小时的攻坚下，最终于9月5日获得结果。

9月1日，有传闻称美国哈佛大学的Levent Alp?ge与纽约大学的Tristan Buckmaster，此前借助美国Anthropic公司的AI模型部分求解出这个问题，OpenAI随后便集中资源主攻纳维-斯托克斯方程。

9月7日，Alp?ge与Buckmaster发布一篇论文。论文中，他们针对无黏度这一简化条件，得出流体方程同样会出现速度趋于无穷大的解。研究过程中，他们同时使用了Anthropic的Claude，以及OpenAI的Codex、Astra模型。二人还表示已经得到这个问题的完整解，后续很快会对外发布。

同一天，美国加州理工学院的Anima Anandkumar及合作者也公布了无黏度条件下同一问题的求解结果。他们没有使用通用大语言模型，而是依靠物理信息神经网络完成推导。

美国加州大学洛杉矶分校的陶哲轩在社交平台Mastodon上评价，Alp?ge与Buckmaster的工作是“一项非凡的成就”。

不过，这次成果的发布形式可能引发争议。陶哲轩说：“说实话，我已经厌倦这种靠新闻稿、社交媒体发布数学研究成果的新风气。我更希望看到作者把专业预印本公布于arXiv这类标准平台，或是在学术会议上作报告展示工作。”

七大“千禧年难题”此前仅有一道得到解决，但完成证明的数学家拒绝领取奖金。OpenAI也表示，不会申请这笔奖金。OpenAI的研究人员称，他们一直在用自家最新AI原型模型测试其余尚未解决的“千禧年难题”。

克莱数学研究所要求，成果必须发表于经过同行评议的出版物，并且要经历一段时间的学术评估，才能够授予奖金。“评估流程需审慎从容，我们会保证整个过程绝对严谨。”Bridson说。

Miller

https://it.sohu.com/a/1075227589_122014422
2026-09-12 16:35 发布于：北京市
（来源：网易科技）

【编者按】当人工智能（AI）开始轻松地解开一些人类长期未能解决的数学问题时，我们迎来的，究竟是更多的数学成果，还是更少的真正理解？

过去，一个重大猜想的攻克，往往意味着新思想与新方法的诞生。数学家共同体会通过演讲、讨论、验证和简化，一点点消化这些成果，将它们纳入人类的知识体系，最终写进教科书。如今，AI 公司正把“解题”变成衡量模型能力的重要基准测试，以越来越快的速度攻克一个又一个问题。

然而，在这样的速度下，我们是否还有足够的时间去完成证明、提炼思想、追溯贡献，并真正理解这些答案究竟意味着什么？

日前，陶哲轩、Peter Scholze、邓煜等 25 位菲尔兹奖得主联名发声，在一个题为 A Severe Misalignment of AI in Mathematics 的公开声明中，系统阐述了他们对 AI 冲击数学研究的担忧。

他们直言不讳地写道：AI 公司将求解数学问题作为基准测试的竞赛式推进，正在损害数学这门科学，也在损害数学共同体。

陶哲轩在转发这份声明时表示：“我很自豪能成为宣言的 25 位首批签署人之一——均为菲尔兹奖得主——该宣言源于我们过去一周的讨论......并（与《莱顿宣言》类似）邀请更多人签署。”

他们既承认 AI 可以“提供增强和加速真正的数学研究与理解的潜力”，也坦率地警告，AI 也在“以越来越快的速度批量生产‘真/假’命题，摧毁的可能是一片沃土，而不是为新思想注入生命”。

值得关注的是，他们并没有将“发展 AI”与“保护数学”简单对立起来。他们认为，数学作为一个职业需要以多种方式适应变化，真正的问题不在于 AI 能不能解题，而在于“解题”这个工具正在悄然取代“理解”这个目的。

同时，他们把数学界此刻的处境，视为一场更广泛危机的先声：同样的不对齐正在冲击其他科学与创造性职业，并终将以某种形式抵达整个社会。对于一门以“理解”为终极目标、以代际传承为生命线的学科而言，这不只是数学家的职业问题，更是一个关乎智力劳动未来形态的公共议题。

这并不是一篇通常意义上的联名抗议。它更像是站在数学最高处的一群人，在看清技术轨迹之后发出的一次提醒：

真正重要的问题或许已经不再是 AI“能不能解出难题”，而是当答案变得越来越廉价时，人类是否还愿意为理解、为传承、为那些最初让这项工作有意义的东西保留时间与空间，以及由谁来做出这个决定。

原文链接：https://mathandai.org/

全文如下：

过去几个月，大语言模型（LLM）的数学能力突飞猛进，已经能够在数学的许多领域解决重大的未解问题。然而，AI 公司将求解数学问题作为基准测试的竞赛式推进，正在损害数学这门科学，也在损害数学共同体。AI 公司的目标与数学共同体的目标，出现了严重的不对齐（misalignment）。我们认为，这些问题是更广泛的对齐（alignment）问题的一部分，它们同样冲击着其他科学与创造性职业，乃至整个社会。

研究数学所处理的，是对形状、数字与自然现象的基本结构的理解。在一代又一代人的接力中，它积累起一整套精深的思想、方法、抽象以及其他工具，用以把握数学的整幅版图。反过来，现代技术与现代科学，正是建立在这些数学工具之上。

著名问题常常扮演着地标与灯塔的角色，人们可以借此衡量对这幅版图理解的推进。解决其中一个问题，向来是新洞见与有趣方法出现的确定标志；随后，数学家共同体会通过演讲、讨论与简化这一漫长而艰辛的过程，对其加以研究。在这一过程的终点，理想情况下，人们将得到一份教科书式的结果呈现，适合任何研究生乃至本科生研读。其中一些数学思想还会继续它们的旅程，在数十年乃至数百年之后，成为整个人类都能理解并使用的工具。

数学共同体在许多方面如同人类的一个缩影。它由采用各种不同研究路径的个体组成，又因共同的核心价值观而凝聚在一起。我们这一职业最宝贵的资源是学生与思想，我们以极大的悉心加以培育。我们感到有责任让它们充分成长，直至它们能够在数学世界中拥有属于自己的生命。对于学生，我们常常建议一些问题，其核心意图在于发展技能，使他们能够在研究及其他领域占据有利位置。我们的思想，则通过演讲、私下讨论和细致的写作加以传播，并将其与前人的思想相互连接。这些过程无一例外需要时间，并且建立在人与人的互动之上。

近几个月，AI 在解决重大数学问题上的成功，甚至在数学圈之外也登上了新闻头条。但解题只是一种工具与代理指标，服务的根本目标是概念性的理解与洞见。在 AI 的世界里忘记这一点，可能会让工具反噬根本目标。事实上，以越来越快的速度批量生产“真/假”命题，摧毁的可能是一片沃土，而不是为新思想注入生命。

这些解答往往在仓促之中发布，没有时间完成规范的写作、提炼其中新的方法与思想，也来不及引用他人的相关先行工作。正如所有创造性职业中会出现的那样，这引发了严重的成果归属与剽窃问题。此外，如果没有愿意投入的数学家来负责这些思想的发展、并将它们融入数学正典，由 AI 孕育的思想永远不会真正获得生命，而数学家之间那条至关重要的传承链条也将失去。

我们正在见证智力劳动面临的一场普遍威胁：AI 使用所带来的产出，与其初始目的之间发生了不对齐。在许多领域与活动中，多年的训练历来不仅是为了产出最终的答案或产品，更是为了发展理解，以及提出新问题、新思想的能力。然而，由于建立在海量前人工作的基础之上，AI 系统正变得日益有能力直接产出这类工作的“结果”，两个目标就此分道扬镳。数学共同体此刻面对的问题，与其他科学和创造性职业正在面对的问题相似，也预示着全人类都可能面对的问题：当 AI 改变工作的方式时，如何确保我们不会忘记这项工作最初本来是要实现什么。

AI 提供了增强与加速真正数学研究和理解的潜力。数学作为一个职业，将需要以多种方式适应这些变化。然而，这些变化最终是造福这个领域，还是产生破坏性影响，很大程度上将取决于掌控这项新技术的人类所作出的决定。

这些问题必须被紧迫地解决——在数学共同体内部，在开发这些技术的公司层面，以及更广泛地，在整个社会层面；因为社会还将在许多其他形式的智力劳动中，遭遇同样的问题。

jackiema

https://news.sciencenet.cn/htmlnews/2026/9/571349.shtm
作者：赵广立 来源：中国科学报微信公众号 发布时间：2026/9/12

陶哲轩、邓煜们真正反对的，是“AI接管数学”的夸大叙事

文｜《中国科学报》记者赵广立

人工智能（AI）公司借“数学研究突破”的名头搞“军备竞赛”并宣传造势的行为，终于招致数学界的极大不满。

9月11日，陶哲轩、邓煜等25位菲尔兹奖得主联合署名发表了一封公开信《人工智能在数学中的严重错位》（A Severe Misalignment of AI in Mathematics），直指“AI公司把解决数学问题当作基准测试来推进的做法，对数学这门科学、对数学共同体都是有害的”。

陶哲轩、邓煜这些顶尖的数学家，绝非“反AI主义者”；相反，他们都在各自的研究领域以不同的方式使用AI，甚至构建辅助数学研究的AI工具。从这封联合署名的公开信中不难看出，他们并非否定AI数学能力的提升，甚至看好AI在增强和加速真正数学研究方面的潜力。

让他们如鲠在喉的，是“AI公司的目标与数学共同体的目标发生了严重错位”。具体体现在，AI公司“以越来越快的节奏大规模生产‘真/假’陈述”。他们担心，这“可能摧毁孕育新思想的沃土，而不是为它注入生命”。由此可见，陶哲轩、邓煜等数学家真正反对的，是AI公司不加验证和解释的“AI攻占数学”的叙事。

当前，数学界正经历一场由AI公司炮制的、铺天盖地的“AI攻占/接管数学”的喧嚣。这场喧嚣已经过了头，要反思“何以至此”。

最近几周，以OpenAI和Anthropic为代表的AI公司，几乎每隔几天就有最新的AI数学“突破”发布在社交媒体上，抢着宣布自己的AI模型率先抢占了数学高地。从费马大定理到孪生素数猜想，从NS方程问题到黎曼猜想这类的千禧年难题，近期AI几乎“染指”了所有人们耳熟能详的数学难题。

对此，数学界“有惊无喜”：AI公司更多时候只是把结果丢出来，不论对错；最后还得靠数学家上前拆解、验证，或是推翻AI公司的结论。而越来越快的节奏和愈演愈烈的态势，让数学界逐渐应接不暇。按照公开信中的说法，这不仅于凝练数学新方法、新见解、新思想无补，同时还会引发严重的归属与剽窃问题。

更进一步地，AI公司抛出的这类“爆炸性新闻”，也极易引发自媒体乃至一些行业媒体的围观与报道。出于专业门槛高、节奏较快等因素，这些媒体往往未及求证就忙不迭地加入这场“盛宴”。他们的推波助澜加剧了这场喧嚣。

在这场喧嚣中，参与其中的数学家没报酬、没署名，纯义务劳动，甚至许多数学家多年工作被不当“引用”；普通数学研究者和爱好者虽短暂为“AI推动数学进步”狂欢，但并未能真正参与其中；大众则只觉得AI数学能力更强了，数学家似乎要被取代了，对AI水平、数学研究进展到底如何无从分辨，甚至对未来更加迷茫恐慌；唯一的赢家是AI公司，只有它们获得了更高的知名度、竞争排名和上市前公司估值。

此外，AI公司在利用破解数学难题给AI模型“造神”的过程中，正在杀鸡取卵。数学家们就是“母鸡”。

值得指出的是，AI近期在数学上的突飞猛进，并不昭示着它发生了多么划时代的革命或进化。

迄今大模型在编程和数学上所取得的成功，归根结底在于这两个领域存在明确的“验证器”——编程有编译器，数学有形式化证明系统，大模型可以通过强化学习不断“左右互搏”，通过精准的检查、回溯、反馈，一步步提高其编程和数学能力。但AI的这种训练方法或进化方式，并不能拓展到物理世界的其他领域，因为无论是科学实验还是对宇宙的观测发现，都难以精准验证、无法追溯。从这个角度来讲，AI公司对大模型的“造神”行为，是具有迷惑性甚至误导性的。

应该认识到，即便是日新月异的AI，其发展也遵循着一定的规律，用一些局部的进步来标榜AI“越来越神”，即便短期内获得了更多的曝光和更高的市值，但光环散去，对AI的发展也会弊大于利。

但可惜的是，针对AI公司此番对AI数学能力的错误叙事，25位菲尔兹奖得主在公开信中并没有给出建设性建议或反制措施，甚至只是被动地提出未来“如何确保不忘初心”“AI带来的变化是利是弊”这些需要被紧急处理的问题，“将在很大程度上取决于掌控这项新技术的人的决定”。

即便没有“掀桌子”的打算，数学共同体也不应该只是被动的批评者，而应该成为规则的共同制定者，甚至是AI底座的共同构建者。

比如，数学共同体可以重新建立AI数学成果的发表规范和评议机制；构建学术中立的技术基础设施，避免研究受制于商业平台（巨头）。同时，也应发挥学术共同体的监督作用，规范AI公司训练数据的溯源机制，让数学家能够有选择地决定自己的未发表工作是否可用于模型训练等。毕竟，如今AI虽看上去强大，但它仍处于野蛮成长的“丛林时刻”，未来AI的成长和进化方向，数学家不该也不可缺位。