数学家呼吁抵制 OpenAI：AI 生成证明批量涌入数学界

该小组的主席、菲尔兹奖得主陶哲轩在其博客上以客座文章的形式分享了这份声明，同时在Mastodon上勾勒出一个"数学2.0"时代，在这个时代，解决问题不应再是该学科的主要焦点。复杂性理论家Scott Aaronson在其博客上将这一局面描述为"数学末日"。

AHM的声明使一场持续数月的争论进一步升级。OpenAI此前已引发轰动，声称一个内部模型在一个月内解决了100多个未解决的数学问题，其中包括对纳维-斯托克斯千禧年难题的一种解法。面对日益增多的批评，OpenAI在高等研究院设立了咨询小组AGMAI，不过该小组明确对公司内部研究的节奏没有发言权。

AHM视此次发布为一种武力展示

AHM表示，OpenAI已经无视了AGMAI建议的核心前提，即高等数学问题不应在内部模型上进行测试。声明中写道："数学家们并未要求做这项工作"，并将一次性发布700多个文件描述为"不是学术的展示，而是权力的展示"。

声明的开头段落还提到了OpenAI正在全球各地应对的众多版权诉讼，暗示——尽管没有直接明说——该公司之所以能取得这些成果，是因为它训练时使用了数学家的工作成果，无论合法与否。

同样的争议在OpenAI最近宣布解决纳维-斯托克斯问题时再度浮现，当时两位数学家即将展示他们自己的AI辅助解法。这两人在研究中使用了ChatGPT，而OpenAI否认了有关其利用这些交互数据来训练自身系统并更快得出解法的猜测。

Aaronson将此与他所称的"Anthropic模式"进行了对比。OpenAI一次性发布原始的AI证明草稿，引发了一场争先恐后解读它们的竞赛。Anthropic则与两位算法研究者合作，其AI模型为推翻两个长达二十年的猜想提供了关键思路。研究者获得了报酬，并撰写了一版人类可以理解的证明。

两种方法都有缺陷。OpenAI的做法让社区免费承担起使证明可读的这份吃力不讨好的工作。Anthropic的做法则让一家私营公司来决定哪些数学家能作为某项成果的"代言人"。

AI破解数学问题的速度超过了任何人验证结果的速度

陶哲轩此前曾与其他24位菲尔兹奖得主——包括Peter Scholze、Maryna Viazovska和Martin Hairer——共同签署了一份声明，警告AI行业的目标与数学的目标之间存在"严重错位"。他们认为，解题只是该学科真正目标——概念性理解——的一种工具，而以越来越快的速度批量产出已解决的问题可能"摧毁肥沃的土壤，而不是为新思想注入活力"。

签署者还批评了未经适当撰写或引用相关先前工作就匆忙宣布AI生成的解法，称这引发了"严重的署名和剽窃问题"。

在 Mastodon 上，Tao 现在更进一步。在传统数学中，对长期未解问题的证明会带来报告、研讨会、新的合作，并被纳入教科书，吸引年轻研究者去理解和情境化这些成果。

现在他看到的是相反的情况。问题正被那些对该领域毫无兴趣、也无法充分理解结果以回答问题或做报告的 AI 用户自主解决，产生的研讨会和合作远少于传统突破会带来的数量。研究者也在隐瞒有前景的方向，担心竞争者会抢先解决。

对 Tao 来说，这种损害是不可逆的。一个问题一旦被认为已解决，就不可能再变成未解决。正如他所说，即使只是知道存在某个解法，也可能“污染”对其他可能带来更多洞见的方法的探索。解法正在被大规模“收割”，使整个数学分支不再像以前那样肥沃。

Tao 认为，“数学 2.0”时代必须停止把解题当作衡量进步的主要标准，转而重视解释、社区建设以及开辟新的研究方向，并相应改变对培训、发表和职业晋升的评判方式。

这建立在 Tao 2024 年提出的“工业数学”愿景之上，不过在那一版本中，人类仍然掌握着节奏。AI 本应像引擎辅助棋手那样辅助数学家，使广泛而相对浅层的研究成为可能，并与人类专家的深层工作相辅相成。如今，Tao 认为这些角色已经反转。AI 正在解决深层问题，而人类则在事后梳理结果。和许多其他专家一样，Tao 显然也严重低估了 AI 的发展速度。

三小时的 AI 计算现在就能媲美一位数学家整个职业生涯

Aaronson 通过他妻子 Dana Moshkovitz 的经历，说明了这对个体研究者意味着什么。她整个职业生涯都投入到唯一游戏猜想这一理论计算机科学中的未解问题。而这次发布中包含了该猜想的一个声称证明。

在发布当晚发给 Aaronson 的短信中，她写道：“感觉像是某个嗑了迷幻药的人写出来的。”文件的大部分内容都不清楚。论文引用了大量工作，却没有解释它们为何适用，尽管早先的结果本应排除这一点。

“基本上，这篇论文写得如此糟糕，以至于没有 AI 帮助根本无法阅读，”Moshkovitz 说。这个证明依赖于一个全新的、怪异的构造，她将其描述为“某种外星式的疯狂”。

Aaronson 还列出了复杂性理论、数论和算法研究方面的其他结果，包括对几个剩余 Clay 千禧年难题的部分进展。在他看来，其中任何一项单独拿出来，都足以跻身年度最顶尖成果之列。

不过，此次发布中有一个领域明显缺席。那就是密码学。Aaronson 援引匿名消息源报道称，AI 公司如今正在悄然探查密码协议与密码原语中的弱点。总体上共测试了约 8,000 个问题，成功率约为百分之五，在 GPT-Pro 级别下每个问题平均消耗三小时算力。所使用的模型很可能也是 OpenAI 当前的内部模型，该模型可能在未来几个月内面向付费 ChatGPT 客户发布。

数学家们对抵制是否有帮助存在分歧

Tao 博客文章下的评论显示出该领域的分裂程度。多位评论者支持抵制，并建议研究人员停止使用 OpenAI 产品，同时呼吁更好地保护 arXiv 等预印本服务器，防止训练数据被大规模收集。

另一些人则认为 AHM 的立场不切实际，理由是 OpenAI 不会停止在数学方面的工作，而且公开成果总比私下成果好。还有一位评论者问道，当作者和其他人都没有完全理解证明时，一个问题真的能算解决了吗？就 Navier-Stokes 而言，目前尚不清楚这一结果是否真的加深了任何人对流体力学的理解。

AGMAI 自身采取的立场比 AHM 更为圆融，将该发布视为第一步，而对结果的数学理解才刚刚开始。不过，该组织警告称，数学研究的未来不能是逐一消化 AI 实验室产出的结果。

该组织写道：“数学家必须能够提出自己的问题、发展自己的方法，并探索那些未被选作 AI 系统能力示例的方向。能够公平地获得强大的研究工具和充足的计算资源，对这项自由至关重要。”