AI攻克千禧年数学难题，数学界为何陷入焦虑？

在德国海德堡桂冠论坛上，数学家们往年讨论的焦点是哪些知名学者到场、最近在研究什么有趣的问题。但这一次，走廊里、餐桌上、甚至闲聊的片段中，所有人都在谈论同一件事：OpenAI、Anthropic和Google正以碾压之势闯入数学领域。

阿姆斯特丹大学青年研究员Ailsa Robertson形容得很直接："AI和大语言模型在这个夏天把数学界点燃了。"

科技巨头为何盯上了千禧年难题？

数学之所以成为AI的完美试验场，原因在于它涉及逐步的逻辑推理，而且答案可以自动、客观地验证。这让科技巨头有动力以前所未有的速度推进AI的数学能力。

从最初连日常研究级问题都难以应付，到如今批量解决匈牙利数学家Paul Erdős提出的众多难题，再到验证费马大定理的证明，直至OpenAI宣布解决了Navier-Stokes存在性与光滑性问题。克雷数学研究所在2000年提出的七个千禧年大奖难题中，此前人类只解决了庞加莱猜想一个。如果OpenAI的声明得到验证，这将是自动推理的里程碑时刻。

多伦多大学的菲尔兹奖得主Jacob Tsimerman在论坛新闻发布会上表示："我们看到了能力的快速增长，甚至比我这样的人预期的还要快。AI在做新的事情吗？我不了解细节，但……解决Navier-Stokes感觉相当有决定性。"

消息传出后，关于下一个被攻克的千禧年难题的猜测甚嚣尘上。黎曼猜想是热门候选之一——Anthropic在8月悄然使用未发布的Claude版本尝试这一问题，在与主目标相关的问题上取得了重要进展。而据报道，OpenAI正聚焦于霍奇猜想。

千禧年大奖难题由克雷数学研究所于2000年设立，旨在纪念希尔伯特23问题提出一百周年，列出七个数学领域中最具挑战性的未解难题，包括庞加莱猜想、黎曼猜想、P vs NP问题、杨-米尔斯存在性与质量缺口、Navier-Stokes存在性与光滑性、霍奇猜想和Birch-Swinnerton-Dyer猜想。每个问题的解答者可获得100万美元奖金。至今只有庞加莱猜想被俄罗斯数学家佩雷尔曼于2003年解决（他拒绝了奖金）。这些问题不仅是数学核心难题，其解决往往能带动整个领域乃至物理学的突破。因此，AI若真能解决其中之一，确实标志着自动推理达到全新高度。

Navier-Stokes方程是描述流体运动的核心偏微分方程组，广泛应用于天气预报、空气动力学、血液流动等。千禧年难题具体指：在三维空间中，给定任意光滑初始条件，方程是否存在始终光滑的全局解？或者解会在有限时间内发展出奇点（如无限速度梯度）？这个问题关乎物理世界的可预测性，是数学与物理交叉的深层难题。OpenAI宣称解决该问题，意味着其AI系统可能构造出了证明或反例，但数学界要求严格的形式化验证，因为此类证明极长且易隐含错误。

"只是公关噱头"：Navier-Stokes争议始末

并非所有人都为此欢呼。波恩大学的菲尔兹奖得主Peter Scholze在一场关于AI数学研究的专题讨论中直言："他们解决这些困难的数学问题，其实只是作为基准测试，某种公关噱头。"

这种不满情绪在OpenAI的Navier-Stokes声明中集中爆发。悉尼大学的Geordie Williamson在讨论中表示："我认为OpenAI的行为极其糟糕，我们应该在社区中承认这一点。"

哥伦比亚大学的Michael Harris则近距离目睹了争议的核心。纽约大学的Tristan Buckmaster当时正与Anthropic的Levent Alpöge在Navier-Stokes问题上取得重要进展，据称他收到了来自OpenAI的通信，内容显得带有胁迫性、审查性甚至威胁性。Harris说："我相信了Tristan对这次互动的描述……在社交媒体和传统媒体上，大多数报道都印证了我的判断——它们将OpenAI描绘为欺凌者和学科规范的破坏者。"

截至发稿，OpenAI未回应置评请求。

Williamson的担忧不止于体育精神层面。他指出："作为数学共同体，我们追求的是理解，但我们用未解决的问题来衡量这种理解，问题在于这两种衡量标准正在非常迅速地变得不相关。"AI给出的答案往往不附带可理解或可复用的新方法论。"所以现在我们必须重新评估如何评价人、谁能拿到职位、如何教育学生等等。这将是一个巨大的挑战。"

Levent Alpöge是Anthropic的数学家，此前曾在哈佛大学担任本杰明·皮尔斯研究员，研究数论与代数几何。Tristan Buckmaster是纽约大学库朗数学科学研究所教授，专长偏微分方程，尤其是Navier-Stokes方程和欧拉方程。两人合作在Navier-Stokes问题上取得进展，表明该领域顶尖专家正与AI实验室深度协作。而OpenAI被指向Buckmaster发送胁迫性通信，可能涉及要求其停止竞争性研究或加入OpenAI团队。此类行为若属实，将严重违反学术竞争规范，因此引发数学家们对科技巨头垄断研究议程的担忧。

青年数学家的困境：被AI裹挟的学术生态

当科技巨头在霸主争夺战中撕毁规则手册时，承受后果的是普通的人类数学家。

开普敦大学的青年数学家Mita Ramabulana就是一个缩影。他指出，OpenAI在8月宣布的10项数学进展中，有两项与他自己的工作重叠，这让他感到失望："因为你花时间思考这些问题，而如今你不知道别人是不是只要把你关心的问题丢进某个大语言模型就能解决。"他担心有研究人员利用大语言模型抢发成果或获取职业优势。

对Robertson来说，问题更加尖锐。她看到所有数学同事都在研究中密集使用大语言模型，许多人把Pro订阅用到极限，有些人甚至在额外token上花费数千欧元——"而这些是连数千欧元都没有的博士生。"

Robertson提到，有些同事感到被科技巨头胁迫。OpenAI在7月宣布向学术界研究人员免费提供10万份前沿模型许可证。也有同事觉得别无选择："如果你不以大语言模型能达到的速度工作，你就会落后于那些申请同样职位的同行。"

这也是为什么Robertson的博士研究方向已经大幅减少了数学比重，转向量子安全生态系统转型的社会影响："因为我不想从事一个只是在验证大语言模型输出的职业。"

数学共同体面临的结构性挑战

这场变革触及的核心问题远超技术层面。当AI能够生成答案却无法提供人类可理解的方法论时，数学界赖以运转的评价体系——谁的工作有价值、谁应该获得教职、如何培养下一代研究者——都将面临根本性重构。

科技巨头以千禧年难题作为模型能力的验证基准，同时向投资者和潜在用户展示技术实力。这种动机与学术共同体追求的"理解"之间存在本质张力。当解题能力与理解深度脱钩，数学作为一门学科的定义本身可能需要被重新审视。

正如Harris所观察到的，社交媒体和传统媒体上的多数报道都印证了一个判断：OpenAI的行为被广泛视为对学科规范的破坏。而Williamson的警告则指向更深层的危机——当数学共同体用来衡量进步的标准与真正追求的理解渐行渐远，整个学术生态的根基都在动摇。