纽约大学数学家称：OpenAI在这道足以奠定学术生涯的数学难题上手段不正当

I m age Credits: andresr / Getty Images

来源： IEEE电气电子工程师学会

纽约大学数学系教授Tristan Buckmaster于周二公布三项证明，其中包含一项理论数学重大未解难题的初步结论。该成果由他与Anthropic数学家Levent Alpöge合作完成，研究过程使用了Codex与Claude人工智能模型。这些发现本身意义重大，但同时还伴随着一场非同寻常的争议，争议围绕OpenAI尝试求解同一道难题的相关行为展开。

Buckmaster在发布证明的声明中写道：“这件事还有另外一面。坦白说，我真的不希望自己需要卷入其中。”这份声明提到，OpenAI的并行研究在该团队成果公开前就基于他们的研究开展，由此引发复杂的学术竞争与互相矛盾的主张（https://cims.nyu.edu/~tristanb/statement.pdf）。

在Buckmaster发布声明后不久，OpenAI公布了纳维-斯托克斯方程存在性与光滑性问题的完整证明，而Buckmaster的研究已经为此打下部分基础。OpenAI表示，该证明由一款尚未发布的下一代模型得出，过去一周里，该模型攻克了多个不同的未解难题。整体来看，这项为期一周的研究共消耗3000亿输出token；如果按照当前Astra的计费标准计算，算力成本价值2250万美元（https://openai.com/index/navier-stokes-solution/）。

纳维-斯托克斯方程存在性与光滑性问题是七大千禧年大奖难题之一。这组重大数学未解难题，每道题由克雷数学研究所设立100万美元奖金，奖励首个给出解答的个人或团队。纳维-斯托克斯方程在流体力学领域应用广泛，但从理论层面人们对其理解仍十分有限。若能完成证明，将极大推动人类对数学物理的整体认知。

在Buckmaster与Alpöge敲定自身研究成果的阶段，二人得知“有关我们研究进展的信息已经泄露给OpenAI”。他们联系OpenAI之后，对方告知其已经得到该核心问题的完整证明。但当二人继续追问OpenAI何时启动该课题研究、研究过程有多少人工参与时，对方的答复变得含糊回避。

Buckmaster表示：“后来得知，有一整个团队一直在研究该问题，并且消耗了巨量算力…… 最终双方确认，首条提示词是在得知我们研究成果后的几天内提交的。”

倘若情况属实，这意味着OpenAI团队认定Buckmaster与Alpöge的研究路线是正确方案，并决定凭借自身在算力资源上的硬件优势，抢先完成正式数学证明。

OpenAI的博文印证了上述时间线的大部分内容，文中明确提到，最新一轮研究始于9月1日，研究的起因是有传言称两道千禧年大奖难题已被攻克。此外，博文也确认OpenAI与Buckmaster、Alpöge之间存在持续沟通。

尽管众多数学家都在研究该难题，但Buckmaster及其合作者采用的特定研究思路却十分少见。因此，Buckmaster对OpenAI恰好于同一时间选用相同研究路径一事感到怀疑。

Buckmaster写道：“借助光滑外力来攻克这道克雷研究所难题，也就是Fefferman对该问题表述里的c、d方案，这条思路由Luis和Diego开创，也是我和Levent私下选定的攻关方向。据我所知，几乎没有其他人在开展这一方向的研究。”他接着说：“只把题目描述输入模型，短短几天内是不可能自主推导出这条研究路线的。”

Alpöge任职于Anthropic，但这项研究并非代表该公司开展。因此两人混合使用多款模型，研究过程主要依靠OpenAI的Codex。即便如此，Alpöge隶属于竞品实验室这件事，似乎成了OpenAI的芥蒂。Buckmaster称，Bubeck曾提议达成和解，要求他在成果中删去Alpöge的署名。

Buckmaster表示，当他坚持要将这场争议公之于众时，Bubeck回复：“你为什么要毁掉自己的学术生涯？”Buckmaster说，在他继续反驳之后，Bubeck又说道：“如果你不想让我保持客气，那我也不必客气。”

Buckmaster还提出担忧：由于他在项目研究中大量使用Codex，自己的研究信息有可能被用于OpenAI的解题工作。OpenAI保留利用Codex交互数据训练模型的权利，不过用户可以选择退出该数据收集。倘若OpenAI团队使用基于Buckmaster的Codex对话记录训练得到的模型，那么模型在面对同类问题时，就有可能复述出他的研究成果。

OpenAI在其博文中淡化了模型复述他人成果的可能性。博文写道：“在他们的成果公开发布之前，我们（研究人员与智能体）没有通过任何途径看到他们的研究内容。具体而言，我们没有调取任何特定用户数据来求解该问题。虽然可能性很低，但我们无法排除来自他们产品使用记录的去标识化数据对我们模型的优化起到了作用。不过，我们的证明存在显著差异，即便在欧拉方程案例中，双方求证的精确结论也不一样（带外力版本与无外力版本）。”

无论如何，这件事很可能再次引发关于人工智能在数学研究中所扮演角色，以及OpenAI自身动机的持续争论。而Buckmaster认为，最好的解决办法就是尽可能把这项研究的相关信息对外公开。