OpenAI 近日宣布在人工智能数学推理领域取得了突破性进展，其最新的强化学习模型 o3（或相关推理模型）被证实在解决数学难题方面展现出惊人的能力。其中最引人注目的成就之一是，该模型被声称成功证明了流体力学中至关重要的“纳维-斯托克斯方程”的存在性与光滑性。这一结果在数学界和科技界引发了巨大的轰动，被视为 AI 模型从“模仿”走向“原创科学发现”的关键里程碑。
纳维-斯托克斯方程是描述流体运动（如空气流动、水流）的偏微分方程组，被誉为流体动力学的基石。该方程的求解难度极高，其“存在性与光滑性”问题被列为克雷数学研究所的七个“千禧年大奖难题”之一，悬赏金额高达 100 万美元。长期以来，人类数学家在这个领域苦苦探索，OpenAI 的声明暗示其 AI 模型可能已经攻克了这一困扰数学界数十年的难题。
然而，就在这股喜悦浪潮尚未平息之时，数学家和计算机科学家们开始对这一结果提出质疑。一些业内人士指出，OpenAI 在展示结果时，并未完全公开模型生成证明的具体推理过程或中间步骤，这使得外界的验证变得困难重重。更重要的是，关于“数据泄露”的担忧甚嚣尘上。
批评者认为，AI 模型之所以能如此迅速地得出正确答案，很可能是因为在训练阶段接触到了包含该数学证明的公开论文或数据集。换言之，模型并非通过纯粹的逻辑推理“发现”了证明方法，而是“记忆”并“重现”了已知的答案。这种行为在学术界被视为一种“作弊”，因为真正的科学发现应当是基于未知领域的探索，而非对现有知识的简单检索。
这场争议的核心在于：我们如何界定 AI 的“智能”与“推理”？如果 AI 的成功依赖于训练数据中的“剧透”，那么它所展现出的解题能力究竟是真正的智能涌现，还是一种概率上的拟合？随着 AI 在科学、法律和医学等领域应用的深入，如何确保其输出结果的原创性和可靠性，成为了行业必须面对的严峻挑战。
尽管 OpenAI 坚称其模型在推理过程中进行了大量的自我验证和探索，但这一事件无疑给 AI 研究社区敲响了警钟。它提醒我们，在追求技术突破的同时，必须建立更加严谨、透明且独立于模型开发者的评估机制。只有这样，才能确保人工智能的发展是建立在真正的创新之上，而非数据的注水之中。
信息来源：Feed: Artificial Intelligence Latest，原文链接：https://www.wired.com/story/openai-navier-stokes-math-discovery-academics/
封面图片来源：Unsplash / 摄影师 Jonathan Kemper
