OpenAI成立数学顾问组：AI已解逾百道开放难题

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。