OpenAI 在 GitHub 上发布了 372 份由人工智能生成的数学证明，提醒学术界保持关注

OpenAI 在 GitHub 上发布了 372 份由人工智能生成的数学证明，提醒学术界保持关注

关键要点

• OpenAI 已经发布了由内部 AI 模型生成的 372 项数学成果。
• 这些成果旨在解决或推动开放性问题，包括计算机算法的改进以及黎曼假设的研究进展。
• 大多数结果都来自对单个代理的单一提示，平均而言，每个提示需要约三个小时的 ChatGPT Pro 计算时间。

OpenAI 发布了一组由内部 AI 模型生成的数学成果。这些证明被发表在 GitHub 上，而非学术期刊中，通过正式验证的方式使审核更加实用。

OpenAI 发布了由内部前沿模型生成的 372 项新的数学成果。每一项成果都旨在解决一个未解决的问题或在此方面取得重大进展。该集合包括对主要计算机算法的改进，以及与 黎曼假设相关的进展。

该公司将在 GitHub 仓库中发布结果，其中包含修改记录和引用信息。根据 OpenAI 的说法，同一模型已经解决了 Navier-Stokes 问题，而该问题此前已经过 正式审核数周。

OpenAI表示，几乎每个结果都来自对单个AI代理的单一提示，不过有些则需要多次尝试。这与Navier-Stokes解形成了鲜明对比，后者需要10,000个代理和数百万美元的计算资源。平均而言，每个结果大约需要三小时ChatGPT Pro Thinking计算时间。

正式验证能够缓解审查瓶颈问题

许多证明都包含以 Lean 形式化的内容，这是一种为可机器验证的数学证明而设计的编程语言。还有更多形式化内容正在规划中。原因在于实际问题：人工智能生成的结果数量极多，很容易超出数学界人工审查的能力范围。

OpenAI 还发布了其方法论的详细内容，包括推理过程的概述、模型尝试解决问题的数量统计数据以及计算成本的估算。

传统期刊并非为这种速度而设计

OpenAI 将其研究成果发布在 GitHub 上，而非经过同行评审的期刊上。这是一种声明性举措，因为这表明传统的科学研究流程对于如此大量的潜在新知识来说太慢了。

OpenAI 与高级研究院的数学与人工智能咨询小组进行了沟通，并大致遵循了他们的公开建议。由于该公司并未公布任何提示词，也只提供了平均计算成本而非每个问题的具体数据，因此 OpenAI 便如此行事。该咨询小组包括菲尔兹奖得主蒂莫西·高尔斯等知名数学家。

该公司还宣布计划资助关于理解人工智能生成结果的研讨会和会议。OpenAI表示希望提升其引用内容和展示质量，并称正在努力以负责任的方式发布模型，以便“直接为科学家提供最先进的能力”。

OpenAI 事先为咨询小组设定了重要界限：数学家可以就结果的传播方式提供建议，但无法说明结果生成的快慢。

数学界对于大规模生产的证明究竟意味着什么存在分歧

精简化的形式化方法可以验证逻辑正确性，但无法判断某个结果在数学上是否具有相关性或是否原创。OpenAI 希望其成果能够突破人类知识的边界。不过，数学界是否认同仍是一个未解的问题。目前，人们的反应从兴奋到沮丧不等。

在最近的一封名为“人工智能在数学领域造成的严重偏差”的公开信中，25位菲尔兹奖得主警告说，人工智能行业的目标与数学的目标之间存在严重差距。他们写道，解决问题只是概念理解和洞察力的真实目标的工具与代名词。大量生成真实陈述会破坏肥沃的土壤，而非催生新想法，他们认为这种影响会蔓延到其他领域。

Gowers 警告说，在1到2年内，数学文献可能会大幅增长，而真正理解它的人类群体将不复存在。 Fields Medal 获得者 Terence Tao 还指出，培养年轻数学家时应当注重人的因素，并严格限制人工智能工具的使用，以确保真正的学习和理解能够保留下来。

AI新闻——无炒作，由人类精选

订阅 THE DECODER，即可享受无广告阅读体验、每周人工智能通讯、每年六次的独家“AI Radar”前沿报告、完整档案访问权限，以及评论区访问权。