数学领域的AI突变：722篇论文与不可能证明

近期，人工智能在基础科学领域引发了剧烈震动。OpenAI 发布了数百篇由 AI 生成的数学结果，其中包含许多在几个月前看来完全不可思议的声明。博主作为光传输研究者，虽然自嘲只是学生而非专家，但仍决定深入探讨这些成果背后的数学逻辑。目前公开的资料中仍有大量内容待解读（如字幕提到的“还在字母C”），总计涉及 722篇论文。尽管媒体焦点集中在争议上，但博主希望聚焦于数学工作本身。这些成果展示了 AI 在解决长期悬而未决的数学难题上的惊人能力，标志着科学探索方式的可能转折。

“Something is changing in the world of mathematics and science and it is changing fast.”

案例一：无理角三角形台球问题的突破

博主首先介绍了第一个令人惊叹的案例：无理角三角形的光线传播问题。假设在一个三角形镜子房间内发射激光，让光束无限反弹。如果该三角形至少有一个角度相对于 π 是无理数（irrational relative to pi），那么几乎每一条光线最终都会访问到房间内的每一个位置，以相同的时间分布在各个方向上。这是一个极具挑战性的证明问题，因为无理角度不会形成重复模式，导致传统的数学技巧失效。博主形象地比喻这就像“想抬起一个球却找不到合适的把手”。OpenAI 声称证明了每一类此类三角形都满足这一性质。尽管解释存在简化风险，但这代表了理论物理和几何学上的重大潜在进展。

“If the triangle has at least one angle that is irrational relative to pi, then almost every ray ends up visiting every spot.”

案例二：共形变换与孔洞形态的完美控制

第二个核心案例涉及复变函数中的共形变换（conformal transformation）。博主描述了一个充满奇怪形状孔洞的平面区域，应用保持角度不变的拉伸变换后，这些不规则的孔洞会演变成完美的圆形或点。这一过程的难点在于，随着变换进行，孔洞可能变得无限小甚至相互缠绕，使得最终形状极难控制。此前，人们仅知道在较简单的情况下会发生这种现象，但 OpenAI 声称证明了这种情况总是成立。这两个案例展示了 AI 在处理高度抽象、传统方法难以触及的数学结构时的强大潜力，尽管其内部机制对非专家而言如同黑盒。

“Before we only knew that it would happen in easier cases. But now OpenAI claims that this always works.”

数学哲学的分歧：结果导向 vs. 理解导向

OpenAI 的介入引发了数学界的分裂。博主强调自己与 OpenAI 没有任何关系，甚至被忽略邮件和早期访问权限。争议的核心在于数学的目标：是仅仅获取答案（Yes/No），还是通过证明过程获得新的认知？对于流体模拟等工程问题，人们可能只关心神经网络能否比传统算法更快得出结果；但在纯数学中，证明的优雅性和启发性至关重要。例如勾股定理有无数种证法，每种都从不同角度照亮思维。而 OpenAI 生成的证明被批评为“一团呕吐物（a big ball of barf）”，缺乏优雅性，往往需要另一个 AI 来解读。这种“数据洪流”式的方法让追求深刻理解的传统学者感到不安。

“These are not elegant proofs. Some of them are a big ball of barf.”

技术演进的不可逆性与“后退论点”的失效

回顾过去六年，AI 的能力边界不断被打破。六年前 GPT-3 连可靠加法都做不到；两年前无法解决高中竞赛题；一年前难以获得数学奥林匹克金牌；而一个月前，它极有可能解决了纳维-斯托克斯方程（Navier Stokes equation）这一千禧年难题。尽管有人辩称这只是组合现有拼图而非创新，但博主指出这是一种不断后退的论点（ever receding argument）。从无法加法的模型到可能在某些任务上超越全人类总和的技术，其进化速度令人咋舌。这些成果平均仅需 3小时 计算时间即可生成，这种效率本身就是奇迹。

“If we look at what we had six years ago... and now on some tasks it may be or will soon be better than all of us combined.”

访问权垄断与开源民主化的呼吁

尽管成就非凡，但博主对当前技术的封闭性表示担忧。目前能运行此类模型的是未向公众开放的 Frontier Labs 专有模型，仅有少数核心人员可用。博主认为，如果 AI 能以这种水平推动科学进步，其访问权必须共享给所有人。解决之道在于开源权重模型（open weights models），让个人和社区能够自主运行和拥有技术。博主呼吁通过编写代码、进行实验或传播知识来贡献于开源项目，实现技术的民主化。他提到近期已有 3篇论文 因社区反馈（可能也借助 LLM 发现）而被撤回，这恰恰证明了开放审查和社区参与的重要性。

“If this technology can advance mathematics and science at this level, I think access to it needs to be shared with everyone.”

结论

OpenAI 发布的数百篇 AI 生成数学论文标志着科学探索范式的潜在转变，其在无理角三角形台球问题和共形变换等领域的突破展示了前所未有的计算能力。然而，这种以“结果”为导向、缺乏传统数学优雅性的证明方式引发了关于科学本质的深刻伦理争议。更关键的是，目前的技术被少数实验室垄断，阻碍了广泛的学术验证与创新。博主最终呼吁通过开源模型和技术民主化，让全人类共同受益并监督这一变革，确保 AI 成为推动科学进步而非加剧不平等的工具。