AI破解百年数学难题？人类数学家愤怒反击：我们仍是核心

AI破解百年数学难题？人类数学家愤怒反击：我... — Analysis

2026年9月8日，OpenAI宣布其人工智能代理成功解决了纳维-斯托克斯（Navier-Stokes）方程这一数学界最著名且最艰难的难题之一。据《卫报》报道，如果这一成果由人类数学家完成，他们本应获得巨额奖金和同行的赞誉。然而，这一声明却在数学界引发了“存在主义危机”，大批数学家指责OpenAI滥用人类智力劳动，未能给予应有的归属和补偿。与此同时，多个权威新闻源证实，OpenAI在发表成果时引用不足，甚至涉嫌利用合作研究者的未公开数据。

OpenAI的突破与争议核心

OpenAI在9月8日发表的预印本论文中声称，其AI代理通过大规模语言模型（LLM）消化了海量人类数学研究资料，最终推导出了纳维-斯托克斯方程的某种解法。该方程是流体力学领域的基础方程，其解的存在性与光滑性一直是千禧年大奖难题之一，悬赏100万美元。然而，据路透社援引数学界人士的说法，OpenAI的成果“既未提供完整的数学证明，也未产生可复现的工具”，更像是一次计算实验而非严谨的数学发现。

数学家群体发起公开批评

根据《卫报》及《科学》杂志的报道，多位知名数学家联合发表公开信，谴责OpenAI的做法。数学家特里斯坦·巴克马斯特（Tristan Buckmaster）指出，他本人曾使用OpenAI的Codex模型进行纳维-斯托克斯问题的研究，而OpenAI团队可能直接或间接获取了这些数据。虽然OpenAI否认直接访问，但承认“巴克马斯特使用其产品产生的数据可能帮助改进了模型”。这一模糊回应加剧了信任危机。

人工智能对数学领域的深层冲击

纳维-斯托克斯问题只是冰山一角。OpenAI的声明实际上触及了一个更根本的疑问：当AI能够生成看似严密的数学推理时，人类数学家是否还有存在的价值？《经济学人》在9月11日的文章中评论称，AI在数学上的“突飞猛进”让该领域陷入了自哥德尔不完备定理以来最深刻的身份危机。然而，许多数学家坚持认为，AI生成的定理“缺乏灵魂”，其意义需要人类来解读和判断。

人类数学家依然不可替代

《卫报》社论特别强调，人类数学家的核心贡献并非单纯地拼凑定理，而是提供“清晰与理解”（clarity and understanding）。菲尔兹奖得主比尔·瑟斯顿（Bill Thurston）早在2010年就说过：“数学的产物是清晰与理解，而不是定理本身。”这一观点在AI时代愈发重要。OpenAI等公司热衷于将数学作为AI团队的“广告”，却依赖人类数学家来审查AI输出的“笨拙而令人困惑”的成果，并判断其是否具有实际应用价值。

科技公司态度与行业伦理困境

据《卫报》报道，AI公司倾向于将人类劳动视为免费或廉价的训练数据来源，这种“不署名、不补偿”的做法已经激怒了艺术家、作家、程序员等多个职业群体。在数学领域，这一问题尤为尖锐。OpenAI在论文中虽然列出参考来源，但多位接近课题的数学家认为自己的贡献被刻意淡化。数学家内斯托·吉伦（Nestor Guillen）在博客中写道：“如果我们能把技术从科技公司中剥离出来，实现去中心化的使用，这些焦虑也许就不会存在。”

未来：合作还是对抗？

尽管存在激烈矛盾，许多数学家仍然对AI抱有开放态度。超过200名数学家签署了另一份声明，呼吁建立“人机协作”的新型数学研究范式。陶哲轩则建议，应当将AI定位为“数学家的强大工具”，而非替代者。但实现这一愿景的前提是科技公司必须改变其数据伦理，公开训练来源，并对人类作者进行合理补偿。

Q1: OpenAI声称解决的纳维-斯托克斯问题到底是什么？

A1: 纳维-斯托克斯方程描述了流体（如空气、水）的运动规律。其解的存在性与光滑性是克雷数学研究所2000年提出的七个“千禧年大奖难题”之一，悬赏100万美元。该问题自19世纪提出以来，一直未能被完整证明。OpenAI的AI代理声称利用神经网络推导出部分近似解，但数学界普遍认为该成果距离正式解决还有很大距离。

Q2: 这次争议对未来人工智能发展有何影响？

A2: 这次争议加剧了公众和学术界对AI公司“吃独食”行为的警惕。它可能推动更严格的学术伦理规范，要求AI公司在发表成果时必须明确标注人类研究者的贡献，并在使用受版权保护的数据时支付合理费用。同时也促使数学家重新思考本领域的价值，探索如何与AI协作而非对抗。

总而言之，OpenAI的纳维-斯托克斯声明不仅是一次数学验证，更是一场关于智能本质与人类尊严的预警。当人工智能与数学相遇，真正的挑战不在于技术能否超越人类，而在于科技公司是否愿意承认——在每一个看似自发的AI答案背后，都站着无数未被看见的人类大脑。

Market Overview

OpenAI声称AI代理解决纳维-斯托克斯方程，引发数学界存在主义危机。数学家指责OpenAI滥用数据、不署名不补偿。本文深入分析AI与数学的冲突、人类不可替代性及未来合作可能。