OpenAI发布722篇AI数学手稿引争议，数学家：人类理解与转译仍是核心

事件概述

2026年10月6日，OpenAI一次性公开了722篇由其内部通用推理模型生成的数学研究手稿，分为372组相关成果，涵盖多个数学分支。此举继5月宣布攻克单位距离问题后，再次引发数学界对AI介入基础研究的关注与讨论。随后，部分手稿因验证问题被撤回，且学界对大规模集中发布的方式提出质疑。

核心信息

1. 验证争议与撤回事件

• 初始状态：在手稿发布之初，仅有一篇通过人工验证，42%通过了形式化验证（如Lean软件）。
• 撤回情况：几天后，OpenAI撤回了三篇涉及霍奇猜想（Hodge Conjecture）的论文。官方声称错误仅为正负号笔误，但实际存在更多错误。
• 学界反应：数学界普遍质疑AI证明策略的严谨性，特别是将不同领域的工具进行迁移时缺乏精细改良。此外，许多学者认为单一的形式化验证不足以保证准确性，需采用多种方式进行交叉验证。

2. AI的能力边界与局限

• 擅长领域：AI在处理计算类问题时表现突出，这类问题易于检验且数据量大。
• 受限领域：在代数几何等领域，由于知识存量较少导致训练数据不足，以及部分数学概念本身尚不成熟，AI难以深入理解并解决复杂问题。
• 策略突破：尽管存在局限，AI引入的策略（如利用镜对称将代数几何问题转换至辛几何领域）超出了预期，但辛几何理论定义的严格性仍受质疑。

3. 数学本质与人类角色

• 真理与语言：数学真理先于发现存在，但必须转译为人类可理解的语言才能传播。若AI创造了新的数学语言体系而人类无法理解或验证，则面临“人类跟不上AI步伐”的风险。
• 有机整体观：数学是一个有机整体，解决重大难题会吸引更多人投身，从而创造更多可能性。探索过程本身（如概念创造、理论框架建立）与结果同样重要，不应被AI的快速求解所取代。

4. 对研究与教育的启示

• 能力要求提升：AI时代要求数学家具备更强的学习能力和跨领域研究准备，不再局限于单一领域。
• 使用建议：建议分阶段使用AI，学生应在打好基础后再合理使用。提倡“聊天模式”而非“无脑抽卡”，即先阐述思路让AI评估方向，再进行深度思考。
• 评价体系：评价标准应从关注具体问题的解决转向关注数学能力的体现，确保研究者能看懂、解释并验证AI的方法。

值得关注

此次事件不仅是技术层面的突破，更引发了关于数学研究范式、同行评议机制以及学科未来走向的深层讨论。此前，《莱顿人工智能与数学宣言》及25位菲尔兹奖得主的联名声明已呼吁重视AI生成证明的可靠性与署名问题，此次OpenAI的大规模发布进一步加剧了这些争议。