编者按当一个AI实验室宣布自己的模型解决了上百个开放数学问题时最该被追问的或许不是“它有多强”而是“谁来判断它是对的”。据TechCrunch报道OpenAI于2026年9月宣布成立一个数学顾问小组math advisory group。与此同时该公司表示其AI系统已经在研究过程中解决了超过100个此前悬而未决的开放性问题。这一消息在学术界与产业界同时引发关注一方面它被视为AI在形式推理领域能力的又一次跃迁另一方面顾问小组的权限设置——不被允许延缓或改变OpenAI正在进行的研究方向——也让外界对“谁来监督”这一问题产生新的疑问。顾问组能提建议不能踩刹车根据披露的信息这个顾问小组的定位更接近于“外部智囊”而非“伦理审查委员会”。它可以就研究优先级、问题选择、结果验证方式等提出建议但并不会获得让项目减速、转向或暂停的权力。换句话说OpenAI把数学研究的节奏控制权牢牢保留在自己手中。这种安排在当下的大模型竞赛中并不难理解。数学与形式化推理正迅速成为衡量前沿模型能力的关键指标任何一次实质性突破都可能转化为产品、论文与人才争夺上的优势。让一个外部小组拥有否决权在商业上几乎不可想象。但反过来看缺少硬性制衡的顾问机制其实际影响力高度依赖公司自身的意愿。数学为什么成了AI的试金石过去几年数学一直是AI能力评估中最“硬”的那块试金石。与开放域问答不同数学问题有明确的对错标准且可以通过Lean、Coq等形式化证明助手进行机器验证。这使它成为训练和评估推理模型的理想领域也让“AI解决开放问题”这类主张具备了可核查的可能性。行业内的先行者已经给出过阶段性答案。DeepMind的AlphaProof与AlphaGeometry系统在国际数学奥林匹克竞赛IMO相关题目上达到奖牌水平推动了“神经符号”路线的复兴多家研究机构则尝试用大模型辅助生成猜想、搜索反例或补全证明中的繁琐步骤。OpenAI此次声称的“100多个开放问题”正是这一趋势的延续与放大。“解决”一词需要被拆解值得保持审慎的是“解决开放问题”这一说法本身包含大量模糊地带。一个AI系统可能只是找到了某个特殊情形的反例、给出了未经完整形式化的证明草图或是复现了文献中已存在但未被广泛引用的结论。真正的开放问题往往需要数年时间才能被数学共同体接受。因此验证环节才是关键。如果这些问题最终以可机检的形式化证明呈现并由独立研究者复核其说服力将远超一份PDF报告。反之如果成果主要以内部评估或演示的形式公布外界的质疑就难以平息——这也是顾问小组最可能发挥作用的地方不是决定做什么而是帮助确认做出来的东西是否站得住脚。更深的隐忧研究节奏与知识生产即使所有结论都被证实为真仍有更宏观的问题值得讨论。当机器能够以远超人类的速度生成候选证明时数学研究的瓶颈会从“发现”转移到“验证与理解”。人类数学家可能需要花费大量精力去消化由AI产出的、长度与复杂度都超出直觉范围的证明。这既是效率的胜利也是认知负担的转移。此外研究方向的设定权集中于少数几家公司本身就会塑造整个学科的关注重心。哪些问题被选中、哪些被忽略将不完全由学术共同体的好奇心决定而会部分受到算力成本、可验证性和商业叙事的牵引。接下来该看什么短期来看最值得关注的信号不是OpenAI又公布了多少个被解决的问题而是三件事其一这些结果是否会被提交到形式化证明库或经过同行评议其二顾问小组的成员构成与公开程度其三其他实验室是否会跟进类似机制从而形成行业惯例。如果这些问题得到正面回答2026年或许会被记录为AI从“数学助手”走向“数学参与者”的转折点。如果答案含糊那么这场发布更接近一次精心设计的叙事事件——足够吸睛却难以沉淀为可靠的知识。本文编译自TechCrunch。本文首发于赢政天下 (https://www.winzheng.com/article/openai-math-advisory-group)获取更多深度技术内容与资源欢迎访问官网。
