对许多数学家来说，10月6日注定是一个难以平静的日子。
这一天，美国人工智能公司OpenAI在代码托管平台上公开了一个名为“数学”的资料库，一口气放出722份数学手稿。
这些手稿被归为372组成果，横跨17个数学分支，全部出自一个尚未公开、也没有披露名称的内部模型，而且都还没有经过同行评审。
消息传开，数学界一片哗然。有人惊叹，有人质疑，还有不少研究者发现，自己苦心经营多年的研究课题，可能在一夜之间就被人工智能“抢答”了。
一场规模空前的“成果倾泻”
这批成果的规模令人咋舌。这个模型被投喂了大约4000道公开难题，每个被保留下来的结果平均耗费约3个小时的计算。
其中不乏响亮的名字。有一份手稿声称证明了理论计算机科学中著名的唯一博弈猜想。
还有手稿涉及狄利克雷L函数的零点分布、卡塔兰常数、圆周率的无理性指数，以及整数乘法等经典问题。
OpenAI为许多手稿附上了用Lean语言写成的形式化证明，还提供了部分推理摘要和统计数据。但用了什么提示词、模型叫什么、每道题花了多少算力，这些关键信息都没有公开。
这并不是OpenAI第一次在数学上“放大招”。8月初，它公布了10个经过形式化验证的长期悬而未决的问题的结果。
9月，它又宣称在纳维-斯托克斯方程这一千禧年大奖难题上取得进展，随即与纽约大学数学家特里斯坦·巴克马斯特陷入了一场成果归属的争议。
被“清零”的研究计划
对普通人来说，这些成果听上去像是科技进步的捷报。可对身处其中的研究者而言，滋味要复杂得多。
数学研究往往以“研究计划”为单位推进。一位学者可能花上好几年，围绕一个或一组问题慢慢积累技巧、培养学生、申请经费。
一个博士生的整篇论文，可能就押在某个尚未解决的问题上。
在数学界，“被抢先”向来是令人沮丧的事。过去，竞争者是另一位同行，大家至少处在同一条起跑线上。
如今，对手变成了一台可以同时攻克数千道难题的机器，速度和规模都不在一个量级上。
当人工智能把成百上千个问题批量“解决”掉时，一些研究者发现，自己规划多年的路线图突然失去了终点。
对青年学者来说，冲击尤其直接。他们的求职和晋升，很大程度上取决于能否在某个问题上做出独立贡献。
更让人不安的是不确定性。这些手稿尚未经过同行评审，结果是否正确、是否真正新颖，都需要时间来核实。
研究者面临一个两难选择：是放下手头工作去逐一核查人工智能的成果，还是继续沿着原计划前进，冒着被证明“白做了”的风险？
麻省理工学院数学家安德鲁·萨瑟兰认为，在模型公开、结果能够被复现之前，这些说法都应被视为未经验证。用他的话说，大家应该“索要收据”。
此前，已有数学家指出，OpenAI早先公布的部分成果存在引用不当的问题，关键论证借用了前人的工作，却没有给予充分承认。
规则跑在了技术后面
这场风波的背后，是数学共同体与人工智能公司之间的规则真空。
9月下旬，OpenAI宣布在普林斯顿高等研究院设立一个数学与人工智能顾问小组，成员包括菲尔兹奖得主蒂莫西·高尔斯、马丁·海雷尔，以及物理学家爱德华·威滕。
小组随后基于600多份调查问卷提出建议，要求人工智能实验室及时发表成果，公开模型、提示词和算力信息，并避免把突破当作营销工具。
OpenAI做到了其中一部分，但在提示词和算力披露上并未照办。顾问小组也特别声明，它的参与不代表对这些成果影响力的评判。
一个名为“人类数学家协会”的组织更是公开表示，数学家们从未要求过这些证明，这种做法反而会伤害这门学科。
菲尔兹奖得主陶哲轩则提醒，单纯追求解题数量，正在损害数学的长期健康，因为数学家在攻关过程中获得的理解，往往比答案本身更宝贵。
也有人看到了机会。如果这些成果最终被证明可靠，数学家就能站在更高的起点上，去追问更深层的“为什么”。
人工智能能否成为数学家的好帮手，取决于它如何融入这个延续了几千年的学术共同体。
如果规则迟迟跟不上技术的脚步，被打乱的就不只是几个研究计划，还可能是整整一代年轻数学家的职业道路。
热门跟贴