OpenAI的纳维-斯托克斯竞赛正在永远改变数学

震动数学界的冲刺

OpenAI 花费了 88 小时和数百万美元，派遣大约 10000 个 AI 代理集群向纳维-斯托克斯方程（Navier-Stokes）问题发起冲击——这是七个"千禧年大奖难题"之一，困扰人类近 90 年。在纸面上，这读起来像是人工智能的一次凯旋。但在实践中，它越来越像一个警告。

该公司在周二公布了结果，但真正重要的故事却始于前一天——当纽约大学的数学教授特里斯坦·巴克马斯特（Tristan Buckmaster）得知该实验室声称在相关问题上有进展后，联系了 OpenAI。巴克马斯特当时正与与伦敦大学学院（UCL）的研究员莱文特·阿尔波格（Levent Alpöge）合作。阿尔波格隶属于 Anthropic——生成式 AI 军备竞赛中 OpenAI 的最大竞争对手。阿尔波格并非代表 Anthropic 行事，这一细节并未缓和随后发生的对话。

据巴克马斯特称，一名 OpenAI 研究员问他，为何要"毁掉自己的职业生涯"而选择公开。当巴克马斯特要求对方澄清时，回复正如他所叙述的那样直白：“如果你不希望我客气，那我也不必客气。“据巴克马斯特所述，OpenAI 还敦促他单独发表论文，并将阿尔波格从合著者名单中移除。巴克马斯特提及的 OpenAI 研究员塞巴斯蒂安·布贝克（Sébastien Bubeck）对此说法的部分内容提出了异议，否认自己曾提出过移除合著者的要求。

OpenAI 的博客文章明确否认使用了任何特定用户的数据。但该公司给出的回应比否认更令人不安：它承认无法彻底排除间接影响的可能性。“虽然不太可能，但我们无法排除来自用户使用我们产品的去标识化数据有助于改进我们的模型”，公司写道。这一措辞——谨慎、法律化且令人深感不安——如今正在全球数学系中引发回响。

为何如此仓促？

unravel 一切的关键细节在这里：OpenAI 表示，它直到从推特上听说其他研究人员正在千禧年大奖难题上取得进展后，才开始认真攻关纳维-斯托克斯问题。当时它并不知道那些传言涉及的是阿尔波格和巴克马斯特。等到它知道时，机器已经启动了。

时间线之所以重要，是因为它与数学研究的常规节奏相矛盾。正如伦敦玛丽女王大学数学教授阿比谢克·萨哈（Abhishek Saha）所说，OpenAI 从事的是"数学家一般不会做的事”。在数学领域确实存在抢先发表的现象，但它很少见、很难操作，而且几乎总是由在同一狭窄领域深耕多年的数学家完成的。一家此前在纳维-斯托克斯问题上没有任何公开成果的公司，却在不到四天内部署了 10000 个代理，这完全是另一回事。

OpenAI 还表示，它无意申请由克莱数学研究所（Clay Mathematics Institute）颁发的 100 万美元奖金。根据博客文章的说法，其公开宣称的目标仅仅是"报告我们 AI 模型取得的实质性进展”。这种表述使整个事件看起来更像一次公关活动，而非对科学的无私贡献。牛津大学教授安德拉斯·尤哈什（Andras Juhasz）直言不讳：“这显然是 OpenAI 的公关胜利。”

但公关胜利是有代价的。而这里的代价可能由整个研究生态共同承担。

信任的侵蚀

数学界依靠一种非正式的信任规范运转。南卡罗来纳大学数学教授、ICARM 科学活动副主任马修·巴拉德（Matthew Ballard）将其描述为"一种非正式的信任规范"。研究人员 routinely、公开地与同行分享不成熟的想法、初步结果和半成型的思路——期待这些交流能催生更清晰的思考，而非激化竞争。这一规范已维系数个世纪。而能够批量抓取对话日志、对数据进行去标识化并重新部署模型的人工智能实验室，正在悄然瓦解它。

卡内基梅隆大学数学教授、ICARM 主任杰里米·阿维加德（Jeremy Avigad）道出了更广泛的不安：即便"想到 AI 系统可能会从我们的查询中窃取想法，就令人毛骨悚然"。这种担忧并不局限于此次事件。布朗大学的布伦丹·哈塞特（Brendan Hassett）指出，鉴于 AI 公司历史上未经授权使用或付费就挪用受版权保护的作品，“人们自然会有此类疑问。“他的诉求非常具体：实验室应被追究责任，并有能力证明其不会利用聊天记录来改进模型。OpenAI 尚未达到这一标准。

伦敦数学科学研究所研究员何扬辉（Yang-Hui He）提出了更具结构性的忧虑。他在北京的一次会议期间写道，他担心"大公司在做数学研究时太过保密”，而这个领域可能会倒退到一种旧的、依附于庇护人的模式——就像过去数学曾经依赖美第奇家族和其他富裕资助人，以忠诚和沉默换取资助。区别在于，如今的资助人是硅谷的实验室，而它们所要求的沉默，包括对其工具如何被使用的保密。

谁是赢家，谁是输家

OpenAI 赢得了头条新闻。它证明了其模型能够触及人类数学知识的最前沿，而且是在众目睽睽之下——通过新闻发布会和博客文章。在感知驱动估值的市场中，这种品牌优势真实且宝贵。

但 OpenAI 赢得的可能是一场皮洛士式胜利。尤哈什指出，人类数学家之间确实会抢先发表，但 OpenAI 所展示的是，抢先发表现在可以达到以前无法想象的大规模：“突然间，10000 个数学家扑向你的问题。“学术研究人员激励机制发生了转变。如果分享初步想法意味着可能被一个资源充足、正在扫描你查询内容的 AI 实验室抢先，那么理性选择就是隐瞒这些想法。这对所有依靠开放协作推动学科进步的人来说，都是损失。

在这个事件中，巴克马斯特和阿尔波格是直接的输家，被夹在科技界两家最强大的公司之间。他们的工作涉及一个已被数十亿美元投入和数十年努力所环绕的问题，而他们发现自己被远超自身机构的力量所挤压。他们的研究成果是否会因此蒙上怀疑的污点——无论这种怀疑多么没有根据——是一种任何道歉都无法完全修复的伤害。

未来何去何从

萨哈提供了一个温和的辩护：像 OpenAI 和 Anthropic 这样的公司愿意投入巨资攻克的顶尖难题数量有限，因为大多数问题并不会产生足够的关注度。纳维-斯托克斯问题拥有千禧年大奖的标签和数个世纪的知名度，是个例外。大多数研究人员可能在日常工作中感受不到这种转变。

但这种安慰可能不会持久。OpenAI 树立的先例并不局限于某个具体问题。它确立了一个事实：一个拥有足够计算资源和足够快速行动意愿的实验室，可以将全球数学社区视为竞争对手而非合作者。巴拉德所说的信任规范并非源于正式的规则，而是源于共享的实践。一旦这种实践发生改变，重建它比想象中之难。

克莱数学研究所尚未颁发纳维-斯托克斯问题的奖金。在它这样做之前，需要先验证这一结果。但验证只是第一道关卡。更深层的问题——OpenAI 的方式以及使其成为可能的数据做法，是否应该被纳入数学研究的核心——是这个领域尚未学会如何回答的问题。