OpenAI渴望让世界看到AI有多强大，却惹恼了一批愿意认真研究这些成果的数学家。
10月6日，Open人工智能发表了700多篇由人工智能生成的数学研究文章，展示了解决数学问题模型的进展，并承诺支持后续研究。这些结果很快引起了数学家的注意和批评。
10月8日至10日，数学讨论网站Proofs and Prompts收集了数百个回应。其中，意大利博洛尼亚大学数学系副教授恩里科·法蒂根蒂说，他每天都用人工智能检查文献、想法和辅助教学，但这次他特别生气：如果学生或同龄人不能理解论文，他会要求对方先改变。为什么数学家会接管人工智能生成的手稿？
加利福尼亚大学洛杉矶分校数学教授、菲尔兹奖得主陶哲轩也在新的证实中看到了聪明的想法。他的不满是，结果已经公布，但他找不到人来回答问题，解释方法，或者带学生继续学习。数学家们想跟随这些发现，但他们主要收到了很多文档。
今年6月，奥尔特曼和Open人工智能首席科学家雅各布·帕霍茨基将“自动化人工智能研究员”纳入了该公司的目标。他们估计，到2028年3月，该公司的相当一部分研究可能会由人工智能系统和人类研究人员共同完成。
8月1日，Open人工智能公布了数学和理论计算机科学领域的十大进展，称内部模型处理或本质上促进了人群理论和几何的长期开放。
据Open人工智能报道，9月1日，该团队听说有人解决了两个千禧年问题。这一消息，加上新内部模型特征的改进，促进了对所有未解决的千禧年问题的检测。
今后，团队将更多的资源集中在纳维维维维上–斯托克斯问题。该公司表示，大约有10000个并发智能机构正在寻找解决方案；从第一批智能机构开始，大约88小时后得到结果，完成Lean的形式化和验证需要17小时。
验证后，OpenAI联系了相关研究人员，才得知谣言涉及Anthropic员工Levent Alpö与纽约大学数学教授Tristan Buckmaster合作取得的外力欧拉方程成果，并非纳维维所认为的–斯托克斯解法。
9月8日，OpenAI公开了纳维维维维–斯托克斯验证了它的官方版本，并表示无意申请千禧年奖项。它明确写道，发布是为了报告模型的重大进展，让外界知道人工智能的速度，以及下一代模型的能力。
10月6日，Open人工智能公布了数百份手稿。该公司表示，它将正常使用数学和其他科学问题来评估内部模型，以开发更强大的研究工具。结果，该模型尚未向公众开放，该公司仍在为发布做准备。
10月8日，数学家马特·贝克在博客上提到，前一天，他指导的一名博士生给他发了一封电子邮件：“未来会有人类数学家吗？”如果是这样，你还能做出什么贡献呢？
贝克对Open人工智能的批评非常尖锐，但他仍然对一些附加机器的结果感到惊讶，甚至成为数学史上的一个重要转折点。他指导的学生们已经开始担心他们的未来了。
对于一些仍在攻读博士学位和申请教职工作的人来说，这封电子邮件非常实用。在过去，一项独立的研究可以证明他们的能力。现在，原本计划花几年时间学习的问题可能会突然出现在人工智能的有效性清单上。很难判断下一步该怎么办。几年后，大学会评估自己的标准。让他们只为技术进步鼓掌，不能回答这些问题。
陶哲轩的目光已经转向了下一步。他期待着在人工智能的帮助下进行难以想象的大型研究，并希望实验室能够向独立的研究人员开放前沿模型，以便学术界能够参与评估和探索。对他来说，新的确定方法、模型和协助问题值得继续追求。
法蒂根蒂每天都使用人工智能，贝克肯定了一些结果的价值，陶哲轩希望得到更强大的工具。把这些人的不满归因于“害怕失去工作”，绕过了他们真正的问题：你能整理出结果，让愿意参与的研究人员有机会继续这样做吗？
学术界自己的评价方法也应该改变。如果未来需要大量的人来测试、解释和开发人工智能，这些工作必须得到招聘和资金的认可。花时间解释一种新的方法，让更多的人使用它，也是一种研究奉献，而不仅仅是结束别人。
早在这一轮发布之前，慕尼黑大学博士后M. Levent Doğ安提到了这个责任。他在9月18日回应数学家的一封公开信时指出，学术机构长期奖励论文的输出。如果你真的认为理解比结果的总数更重要，你应该在招聘、资助和期刊实践中实施这种理解。
为了让同龄人继续学习，交给他们的手稿必须经过检查。Open人工智能10月7日的修改记录显示，代数几何手稿中的符号错误导致一个关键论证失败，另外两个依赖于该结构的手稿也参与其中，因此三个被撤销。该公司还更改了14份手稿，包括修复确定、调整问题和澄清前提。
一些结果已经提供了Lean的正式确认，计算机可以检查思维推导。贝克建议分批发布已经形式化、尚未形式化的稿件，让同行更容易看到自己经历过什么样的检查。
但正式确认检查，附加的文本论文可能写错了，写得不清楚。贝克建议检查代码，以确认它是否与论文声称解决的问题一致。如果文本描述中有弹跳或遗漏，读者仍然会被卡住。
9月29日，咨询小组的建议列出了发布前应该做的工作：补充相关参考，确定符合数学论文习惯的写作方法，准确讨论问题和结论。即使模型独立提出了一种方法，它也应该引用之前提出的研究。实验室可以在模型的帮助下改进原稿，而不是把所有这些工作都留给数学家。
写清楚不仅仅是为了方便发现错误。数学家读了一篇文章来证实，他们也想知道新的关键方法是什么，为什么它在这里有效，以及他们是否可以使用他们正在研究的问题。一份报告，几轮讨论，甚至更简单地重写证据，都可以帮助更多的人掌握这些方法。
9月11日，包括陶哲轩在内的数学家在公开信中强调，这是解决问题后的工作。通过讨论、简化和解释，同行们将一个新的结果转化为后来者可以学习和使用的知识。要求不是让每一篇论文都成为科普，而是让相关领域的研究人员继续这样做。
Open人工智能提供了一些帮助：GitHub仓库保存了手稿和修订记录，公司还披露了10个模型推理摘要，让外界知道如何产生一些结果。然而，这些摘要并没有一个接一个地覆盖数百份手稿。对于不可理解的过程和需要弥补的前提，同行们仍然需要提问和回应。
咨询小组还建议为数学领导的后续研究提供资金。Open人工智能承诺资助研讨会、会议和专项研究，具体安排将另行公布。谁将组织，哪些研究人员可以参与，以及他们的劳动如何得到认可，都需要进一步解释。
对于那些问自己未来在哪里的年轻数学家来说，获得资金来测试一个重要的确定和解释一种新的方法比再次听“人类仍然重要”更有用。
免责声明：网站内容仅作资讯展示，不构成各类业务指导建议。访问者应当自行甄别信息，审慎评估风险，因使用本站信息产生的相关后果由使用者自行承担。本站尊重各方知识产权，如有侵权内容，可联系站长进行处理。