OpenAI发布722篇AI数学手稿：争议、错误与学术生态冲击

事件概述

2026年10月7日，美国人工智能公司 OpenAI 在代码托管平台 GitHub 上一次性发布了 722 篇数学手稿。这些手稿出自一个未公开的内部 AI 模型，覆盖数论、几何、概率、理论计算机等 17 个数学分支。OpenAI 声称该模型尝试了约 4000 个悬而未决的数学问题，最终在 372 组问题上给出了结果，平均每个结果的算力消耗相当于 ChatGPT Plus 用户思考 3 小时。由于缺乏人类作者署名及同行评审，这一举动在数学界引发了巨大震动和两极分化的反响。

核心信息与争议焦点

1. 高含金量与低可信度并存

• 重大突破声称： 手稿中关于“平面点集染色问题”的研究将答案范围从已知的 4-7 种压缩至 6 或 7 种；另一项关于“黎曼猜想”的弱化版本证明（声称实部大于 7/8 的区域无零点）被罗格斯大学数学家 Alex Kontorovich 评价为若由人类完成可“立刻获得菲尔兹奖”。
• 质量堪忧： 截至 10 月 10 日，仅约 42% 的结果通过了 Lean 等交互式定理证明器的机器检查。发布次日，OpenAI 即撤回 3 篇论文（因符号错误导致关键抵消不成立），另有 14 篇进行了修补。多位数学家指出，部分证明含糊不清、无法阅读，甚至机器验证通过的结论与论文原题不对应。

2. 学术验证负担转嫁

• 人工甄别困境： 由于手稿总量庞大且质量参差不齐，弄清全部内容的预计耗时需数年。OpenAI 表示将继续发布后续手稿，迫使数学家必须在自身研究之余，花费大量精力去甄别哪些是“金子”，哪些是“烂稿”。
• 形式化验证局限： 虽然 Lean 等工具能检查逻辑严密性，但无法自动确认形式化命题是否与原始数学问题等价，仍需人工核对，这进一步增加了工作负荷。

3. 对数学研究生态的冲击

• 传统模式受阻： 菲尔兹奖得主陶哲轩批评此举破坏了数学界传统的“露天开矿”式渐进研究模式。传统上，难题攻克后通过报告、研讨班和教科书传承新方法，而 AI 直接给出答案导致方法断层，年轻研究者难以从中学习。
• 经费与职业危机： 许多博士论文、经费申请和求职材料依赖于解决特定未解问题。手稿的批量发布导致相关方向的经费申请瞬间失效，研究人员担心下一代数学家将失去啃难题的动力，导致知识传承断裂。
• 抵制与合作暂停： 9 月，20 多位菲尔兹奖得主联名发表宣言，批评 AI 公司将数学难题作为测试考题；10 月 7 日，由 800 多名数学家组成的“人类数学协会”（Association for Human Mathematics）发表声明，呼吁停止与 OpenAI 合作，认为此举仅为“秀肌肉”而非严谨学术。

值得关注

• 学界态度分裂： 尽管批评声浪高涨，仍有部分学者持乐观态度。多伦多大学 Daniel Litt 等学者认为 AI 加速了发现进程，使研究者感觉“从爬行变为飞行”。法国国家科学研究中心 Scott Armstrong 则表示，当前最紧迫的是尽快完成手头研究，以免被 AI 抢先。
• 后续影响待定： 面对海量未经证实的手稿，数学界正陷入被动应对状态。如何建立有效的 AI 生成数学成果的审核与整合机制，以及 AI 辅助研究与传统人文主义数学观的冲突，将是未来一段时间的核心议题。