两周前，OpenAI宣称其内部大模型生成了纳维-斯托克斯问题的证明，有望获得克雷数学研究所的100万美元奖金。该成果一度被视为人工智能冲击基础数学研究的标志性事件，同时引发了数学界对AI公司竞赛式涌入学术领域的担忧。然而随着讨论深入，一项新争议浮出水面：OpenAI可能并未解决”正确”的纳维-斯托克斯问题。其证明所依赖的方法被许多专家认为并不自然，实际上求解的是该问题的一个变体，而数学界普遍认为这一变体与现实脱节、价值有限。从某种意义上说，大模型发现并利用了问题表述框架中的漏洞。芝加哥大学数学家Luis Silvestre指出：”克雷问题虽已尘埃落定，但纳维-斯托克斯方程最核心的问题仍未解决。”此外，上周四三位数学家发布了独立证明，表明OpenAI的方法永远无法扩展用于解决完整问题，除非出现全新的思路，否则这一漏洞无法被填补。该事件表明，AI在基础数学领域的突破性声明，仍需数学界严格审慎的独立检验。
事件分析
从技术角度看，此事暴露出大模型驱动的数学证明在”形式正确”与”问题实质”之间的鸿沟：AI可以高效地在问题定义的边界处寻找可行解，却难以判断所求解是否对应数学共同体的核心关切。对产业而言，OpenAI将内部LLM应用于前沿数学研究，验证了AI辅助数学发现路线的可行性，但本次争议也说明自动化证明的验收标准尚未建立，人类同行评议仍是不可替代的环节。后续走向上，数学界或将加快制定针对AI生成证明的形式化验证规范，可机器验证的证明框架（如Lean等证明助手）可能因此获得更多关注；AI厂商若想真正冲击克雷级难题，需要在问题表述的严格性与证明的可验证性上投入更多，而非仅追求结果声明。
核心观点：大模型擅长在问题表述的缝隙中寻找解，但数学突破的价值最终取决于是否回答了真正的问题。
原文链接：Hacker News
