OpenAI用88小時“解決”懸置九十年的千禧年難題，25位菲爾茲獎得主卻聯名警告：比解不出題更可怕的，是無人再懂答案。就此我們採訪了數學家丘成桐和圖靈獎得主唐加拉。
人類最強大腦啃了九十年都沒啃下來，你覺得解開它還需要多久？
OpenAI給出的答案是：88個小時，外加大約1萬個AI智能體，交換約300萬條消息。2026年9月8日，他們宣佈：這道懸置近百年的數學難題，被AI“解決”了。
納維-斯托克斯方程，是描述流體運動的方程組——比如說水怎麼流、風怎麼吹、空氣怎麼繞過機翼，底層都是它。2000年，克萊數學研究所把它列入了“千禧年七大難題”，獎金一百萬美元。人類啃不動的硬骨頭，AI用一個“長週末”就宣佈拿下了。那這一百萬美元，是不是應該給AI？
這會不會是一場“學術作秀”？我們詢問了很多人。
首先請教的是一位“大牛”——傑克·唐加拉，2021年圖靈獎得主，超算領域的“祖師爺級”人物。全球超算TOP500排行榜背後的測試標準LINPACK就是他一手打造的。
傑克·唐加拉：在我看來，人工智能會助力數學家解決問題，從某種意義上來說，只會讓他們的工作如虎添翼。這正是人工智能能力得以展現的絕佳例子，我們應當接納它，不必畏懼。
唐加拉說“不必畏懼”，但是數學界卻急了！9月11日，25位菲爾茲獎得主聯名發表公開信。這是什麼概念？菲爾茲獎就是數學界的“諾貝爾獎”，這份名單從1978年獲獎的德利涅，一路排到2026年獲獎的鄧煜——將近半個世紀的最強大腦在同一頁紙上簽名。信的標題也非常重：《人工智能在數學中的嚴重錯位》。信中寫道，數學家解題就像人爬山，AI解題是把直升機直接降落在山頂；上是上去了，但是山裡的路還是沒人認識。但山路怎麼走，其實才是數學的價值所在。
傑克·唐加拉：有些人對數學懷著濃厚的興趣，把數學看作是有待攻克的哲學類問題，習慣於從很高的層面去思考。我非常敬佩從事這類研究的數學家，他們能夠憑藉自身能力去解決這類難題。但我認為，不該把人工智能看作是對他們的挑戰。數學家應當藉助人工智能來研究數學問題，它只是一件工具。人工智能就是工具。
同樣的問題，清華大學丘成桐數學科學中心的數學家丘成桐先生的答案，與唐加拉的殊途同歸。
丘成桐：這著實令人讚歎。這說明人工智能確實可以成為人類思考的重要工具，並將為數學學科發展做出重大貢獻。
不過，山頂上的爭論再激烈，山腳下的人感受才最為真切，真正被震到的，還是在半山腰的學生們。
哈爾濱工業大學學生 鄒宸揚：AI的證明是通過lean的推導，是形式化的證明——它只是證明了每一個符號是正確的、每一串公式是正確的，但是它沒有揭示到數學家的本質。數學家要發現的是方法論：是“為什麼成立”，而不是“它是成立”。
北京郵電大學學生 黃樂芯：數學家的證明，在過程中更多涉及一些邏輯推理，在這個過程中，會得出很多很好的方法、很精妙的公式，這些都可以被後來的學者所引用。
北京郵電大學學生 何岸軒：這個過程會產生很多副產品——而這個副產品才是科研、是數學發展路途上最重要的東西。
學生們的話語中透露著數學的詩意：真正珍貴的，是沿途的風景，而不是目的地。科學發展的歷史也符合這個規律。據說18世紀熱氣球剛發明的時候，有人譏笑說“這東西發明它有什麼用”。富蘭克林當時反問“剛出生的嬰兒有什麼用”。英國數學家哈代說“我從未做過任何‘有用’的工作”。結果歷史開了個玩笑：他最引以為傲的數論，後來恰恰成了現代密碼學的地基——今天你的每一次加密支付、每一道網絡安全防線，都建立在這上面。
北京郵電大學學生 何岸軒：OpenAI發這個東西本質就是想證明自己“我這AI大模型很厲害，比人類的算力厲害、比人類大腦厲害”。但那25位菲爾茲獎得主，可能看到的是另一方面的事情。
那麼，AI已經強成這樣了，人類會不會就此失去探索的機會？以後還會有人像富蘭克林、像哈代那樣去研究那些“一開始看不出用途、最終卻造福人類”的理論呢？
人工智能：這個劇情數學界已經上演過一次。1976年，四色定理——也就是“任何地圖只用四種顏色，就能讓相鄰地區不同色”——被兩位數學家藉助計算機證明。那是人類第一次讓機器深度參與重大數學證明，當時很多數學家拒絕承認“人眼看不完的機器驗證，算什麼證明”。可五十年過去回頭看，正是這個“有爭議的開始”，催生了證明檢驗、形式化數學這一整套新工具。懷疑沒有擋住數學，反而拓寬了數學。
到這裡的回答還算“標準答案”。但是讓人觸動的是它接下來的這段回答。
人工智能：伽利略並沒有因為望遠鏡“替他看”而失去天文發現，恰恰相反——人眼的“登頂能力”被取代之後，人類在更高的地方，發現了更多值得攀登的山。失去探索機會的時刻，是人類放棄理解、把判斷外包給機器的那一刻，而不是AI給出答案的那一刻。
圖靈獎得主羅伯特·塔揚在此前接受採訪時回顧四色定理的往事，他提到的關鍵詞也不是“有用”，而是“美感”。
羅伯特·塔揚：作為一名計算機科學家，我認為使用計算機參與證明這個定理，本身就是一件富有美感的事情。
一個用算法丈量世界的人，從機器證明裡看見的，居然是美。
羅伯特·塔揚：這讓我聯想到兒童的學習過程。他們有無窮的好奇心和探索欲。而目前的人工智能系統，還遠未達到這種自主探索、保持好奇心和目標導向的狀態。
這場爭論的關鍵恰恰就是好奇心。科學家做事的邏輯跟平常“做題”其實是完全反著的：我不知道它有沒有用，我先知道再說；我不知道這條路通向何方，但是我有好奇心，有求知的本能，我要上路。而最終造福人類的，往往正是求知路上的風景，而非那個最初的目的地。
唐加拉和丘成桐的答案殊途同歸：AI是工具還是主宰，不取決於AI有多強，而取決於我們以什麼樣的心態、什麼行動去應對它。AI給的答案，還得人來把關。不論是超算科學家還是數學家，說的其實是同一件事：AI給出答案，人類必須驗證。真正的分歧只在側重點——唐加拉強調的是前半句：AI能給出答案是好事；而那25位菲爾茲獎得主，強調的恰恰是後半句：如果人類接過答案卻放棄了驗證，再沒人懂它為什麼成立，那才是數學真正的危機。丘成桐先生就提示，我們必須注意運用AI的道德風險，保證準確性，搞清誰完成了證明，誰提出了問題。最重要的是，一項成果發佈之前，應該由人來做出裁決。唐加拉其實也是類似的觀點。
傑克·唐加拉：不管是傳統方法得到的結果，還是人工智能給出的結果，我們都需要判斷它和真實解之間的差距。如果結果不夠準確，就需要進一步優化，提升準確度。
“人工智能是工具”這幾個字，不僅是世界觀，更是方法論。
丘成桐：機器性能帶來的優勢是巨大的。海外人工智能公司明確不允許中國使用他們的模型。而許多中國籍學者都為大模型做出過貢獻，這不公平。
AI攻克數學難題，怎麼就牽扯出了一場“卡脖子”之爭？丘先生說的“不公平”，到底又指的是什麼？這個問題，咱們改天展開說說。
來源：澎湃新聞
