OpenAI公司集中发布722篇数学论文攻克多项难题，引发学术界关于验证标准与研究范式转换的热烈讨论。
人工智能在数学领域的解题能力正经历着颠覆性的飞跃。不久前，OpenAI公司一次性公开发布了722篇数学论文，内容涵盖对大量复杂数学难题的推导与证明。这种前所未有的发布规模与惊人产出速度，在整个数学界引发了巨大震撼。
就在2019年，人工智能在解答英国GCSE数学考试题时还显得吃力。然而在不久前，OpenAI公司旗下的内部前沿模型成功破解了流体力学中与纳维斯托克斯方程相关的核心难题，展现出深厚的推导能力。随后，该模型又从研究深度转向广度，一举推出了数百项数学新发现。
伦敦大学学院的学者Francis Johnson曾倾注25年心血研究拓扑学领域的沃尔D2问题，并出版过两部专著，最终因难度过高而放弃。然而，该模型快速攻克了这一长期悬而未决的难题。Francis Johnson坦言对这一突破感到惊叹，并认为人工智能展现出的分析逻辑极为精妙，人类学者需要学会适应这种全新的研究现实。
不过，帝国理工学院的数论专家Kevin Buzzard持更为审慎的态度。他指出，在本次发布的论文中，有30篇涉及数论领域，其中7篇具有较高的学术价值，但仅有1篇通过了Lean形式化验证软件的严密检验。Kevin Buzzard强调，其余未经验证的结果仍需相关领域的专家耗费大量时间进行人工核查，社区接受这些成果尚需时日。
剑桥大学的Ben Allanach则对这种大规模集中发布的模式提出了反思。他认为，科技公司正将数学突破视为展示技术实力的竞技场，但这种批量产出论文的方式给传统研究带来了冲击，学者们可能缺乏足够的精力去逐一核对和消化这些机器生成的知识。
由于发布方式异于常规，这批论文最初被上传至代码托管网站GitHub。早些时候，预印本网站arXiv也因应对低质量论文泛滥而出台了提交限制。加利福尼亚大学洛杉矶分校的数学家Terence Tao此前曾指出，缺乏充分解释的论文抛售可能对学术生态造成干扰。为此成立的数学与人工智能顾问小组建议，相关机构应公开模型名称、提示词、计算成本以及失败尝试的记录，并尽可能对证明过程进行形式化验证。
针对学术界的关切，OpenAI公司的代表Lindsay McCallum Rémy表示，公司正在积极探索符合顾问小组指导方针的发布平台，未来将持续优化论文的引用规范、数学阐述与呈现质量，为数学界评估这些研究成果留出充足的时间与空间。
原文：https://www.newscientist.com/article/2592421-openai-announces-722-mathematical-discoveries-in-one-go/