OpenAI 成立独立数学顾问团 AGMAI，审议内部模型成果发布

OpenAI宣布与一个名为「数学与人工智能顾问组」（AGMAI）的独立数学顾问组合作，该组织由普林斯顿高等研究院托管。它眼下的一项任务，是针对OpenAI内部模型产生的大量数学结果，就评估、审查和发布方式提出建议。

这一安排回应的问题，比「模型能不能证明一道题」更棘手：当AI生成数学成果的速度超过同行评议和学术传播能够承受的速度，数学界该怎样接住这些结果？

背景是OpenAI称公司从8月28日开始训练一款新的内部模型，该模型已解决横跨数学多个领域的100多道长期开放问题，其进展速度甚至令OpenAI内部的数学家感到意外。但这里必须保留一个重要限定：「解决100多道开放问题」目前是OpenAI对内部研究结果的陈述，相关成果尚未全部公开，也没有全部完成数学共同体的独立审查。顾问组自己的措辞同样谨慎——这些结果是OpenAI「报告称」由其内部模型产生的。

9月8日，OpenAI公开了纳维-斯托克斯问题的论文和Lean形式化证明。按照公司的说明，其内部系统构造了一个有限时间内形成奇点的解，由此证明克雷数学研究所官方表述中的C和D两种情形。OpenAI同时表示，无意申请这项千禧年大奖。

这是目前少数已经公开、因而可被外界直接审视的成果。但公开不等于公认：一份证明从生成到成为公认的数学成果，中间还要经历专家核查、补充论证、追溯相关工作和公开讨论。纳维-斯托克斯问题的解答仍在接受数学界审视，其最终是否被公认为正确尚无定论。

形式化工具在这里的角色需要被准确理解。即使Lean这类工具能够检查推导过程，也无法独自回答成果是否真正新颖、采用了哪些已有思想，以及怎样把证明转化为数学家可以理解和继续使用的知识。模型解决问题的速度越快，这段看似传统的学术流程就越容易成为新的瓶颈。

这次合作出现之前，数学界已经公开表达不安。9月11日，多位菲尔兹奖得主参与发布公开信《人工智能在数学领域的严重错位》，批评AI公司把开放问题当作能力基准，认为这种竞争可能给数学研究和数学共同体带来负面影响。

争议的核心并非要把AI挡在数学之外。公开信承认AI有望加速真正的数学研究与理解；数学家们担忧的是，持续追逐「又解决了多少道题」，可能让结果数量压过概念理解。

这种担忧有其学术流程上的现实基础。一项重要成果通常需要在报告、讨论和反复修改中逐渐成熟：研究者会辨认其中的新方法，将它放进已有知识体系，厘清与前人工作的关系，再把复杂证明整理成同行和学生能够掌握的形式。如果解答集中出现，学界很难及时完成这些工作；仓促公布也容易引发归属、引用和学术信用方面的争议。

开放问题在数学研究中还有教育价值。许多问题经过精心选择，被用于训练年轻研究者的判断力和创造力。当它们被批量转化为模型测试集，原有的研究生态也会受到影响。OpenAI在公告中直接回应了这封公开信，并承认AI公司需要与数学界进行更审慎的沟通。AGMAI正是在这一背景下走到台前。

顾问组首批成员共有九人，包括François Charles、Camillo De Lellis、Timothy Gowers、Martin Hairer、Nikhil Srivastava、Ulrike Tillmann、Ravi Vakil、Edward Witten和Melanie Matchett Wood。按照OpenAI公布的安排，顾问组将协助判断新成果的重要性，讨论结果如何协调发布，并就数学研究应遵守的学术与职业规范提供意见；它也会关注AI工具怎样支持数学研究和教学。

顾问组网站给出了更明确的独立性安排：成员不接受AI公司的报酬，面向AI公司的建议将公开发布；其服务对象也不限于OpenAI，只要一家公司的模型可能对数学产生重大影响，顾问组都愿意提供建议。该组织可以自行调整成员，并邀请数学界就OpenAI这批成果的发布问题提交意见。

但这份独立性也有清晰边界。顾问组没有任何AI公司的决策权，最终责任仍由公司承担；它也不会参与决定OpenAI内部数学能力的发展速度。换言之，数学家获得的是发言、评议和公开批评的空间，没有成果发布的否决权，更无法控制模型继续推进研究的节奏。这一安排能发挥多大作用，将取决于OpenAI是否采纳建议，以及双方出现分歧时，信息能否得到充分披露。

过去，人们讨论AI与数学，注意力往往集中在模型能不能证明一道题。如今，问题的重心开始向后移动：一篇机器生成的证明需要由谁核验，验证工作如何获得学术认可，相关思想怎样追溯来源，集中出现的成果以何种顺序公开——这些都将影响数学共同体能否消化这轮能力跃升。

处理失当，研究人员可能被海量证明淹没；处理得当，AI有机会成为拓展数学理解的研究工具。AGMAI的成立说明，开放问题已经无法继续充当一把简单的模型能力标尺：每一道被「解决」的难题背后，都连接着研究传统、人才培养和知识传播。答案出现得更快，并不会自动带来更深的理解。

这个顾问组只是第一步。真正的考验，将发生在首批成果陆续公开之后：数学界能否独立验证这些证明，研究者能否从中提炼出可理解、可复用的新思想，AI公司又是否愿意为严谨的学术过程留出足够时间。如果OpenAI对百余道开放问题的判断最终得到确认，数学研究面对的将是一场罕见的速度冲击——届时最稀缺的资源可能不再是给出答案的能力，而是人类理解、审查并承接这些答案的时间。