数学学术界与大型 AI 公司的矛盾正在升级。OpenAI 宣布利用 AI 攻克多道数学难题后,非但没有获得学界广泛认可,反而引发关于研究成果归属、数据使用权限和 AI 解题价值的激烈争论。部分数学家认为,商业公司正在将数学研究成果转化为产品和营销素材,却没有充分尊重学术界的贡献与权益。
在此背景下,越来越多数学家开始尝试绕开商业 AI 公司,自主开发开源模型和研究工具。据报道,加州理工学院教授 Sergei Gukov 正带领团队构建专门用于数学研究的 AI 模型;Fields 奖得主、加州大学洛杉矶分校教授陶哲轩则推动建立由数学家自主控制数据的 AI 协作平台。
这场争论的焦点已经超出 AI 能否解出数学难题本身,进一步延伸至谁来控制研究数据、如何评估 AI 生成的数学成果,以及学术界能否在商业 AI 迅速扩张的过程中保留自主权。
学界质疑 OpenAI:解题成果与数据使用引发争议
数学家对 OpenAI 的不满由来已久,此次争议集中在两个方面:AI 生成的数学解答是否具有真正的研究价值,以及商业公司是否有权使用学术界的数据和研究成果。
今年 10 月,OpenAI 宣布其模型攻克了多道多年悬而未决的数学难题,但这一消息在数学界引发的并非普遍赞誉。部分研究者认为,OpenAI 发布的解答缺乏足够的学术价值,甚至需要人类数学家花费数周时间,才能判断其推导过程是否严谨、是否真正解决了问题。
加州理工学院数学博士生、反 AI 立场鲜明的 Substack 博主 Tasmin Chu 将这些解答称为 " 废料 "。她认为,OpenAI 此举更像是在利用数学领域的研究成果为自身制造声势,而非真正推动数学研究。
数据使用问题进一步加剧了双方的矛盾。此前,两位数学家曾指控 OpenAI 未经授权使用他们的聊天记录,辅助求解著名的纳维 - 斯托克斯问题。这一事件使数学家更加担忧,自己与 AI 系统的交互内容可能在未经许可的情况下被用于商业模型训练或研究。
Chu 将数学家自主开发 AI 系统的行动视为争夺 " 生产资料所有权 " 的一部分。不过,她也承认,这一趋势最终会如何发展,仍有待观察。
绕开商业公司:数学家开始自建专业模型
面对商业 AI 公司的主导地位,Gukov 选择从模型开发入手。在加州理工学院的实验室里,他带领少数学生设计并训练面向数学研究的开源 AI 模型。据他介绍,这些模型已经率先解决了 OpenAI 此次攻克的部分数学难题。
但学术界自建模型仍面临明显的能力限制。Gukov 将其比作法拉利:在特定任务上性能出色,却难以满足广泛用户的需求。
目前,这些模型大多针对某一类数学问题进行优化,一旦被要求跨领域推理,能力便会明显受限。相比之下,Anthropic 等商业 AI 公司的模型具备更强的通用性,能够处理不同学科的数学问题。Gukov 表示,团队正在开发通用能力更强的模型,但目前尚未准备就绪。
尽管如此,他对 AI 参与数学研究仍持积极态度,认为这一领域充满探索空间。他形容当前的 AI 研究就像哥伦布探索新大陆,令人兴奋。
数学家并未达成共识:陶哲轩推动建立自主平台
自建模型的倡议并不意味着数学界已经形成统一立场。围绕 AI 是否应该进入数学研究,学者之间仍存在明显分歧。
以 Chu 为代表的反 AI 学者希望尽可能保持传统研究方式。她表示,自己仍希望完全不依赖 AI 开展数学研究,并认为这条路径依然可行。另一部分年轻数学家则对 AI 更加积极,认为新技术可能为数学研究带来突破,也有人将其视为改变现有研究模式的机会。
陶哲轩则试图在两者之间寻找平衡。他近期在加州理工学院展示了其创立的非营利机构推出的 Open Math OS。这一平台整合了开源前沿 AI 模型、云计算资源和协作工具,重点是让数学家能够自主决定研究数据如何使用,而不是将数据控制权完全交给商业 AI 公司。
从专业模型到自主协作平台,数学家正在尝试建立一套不同于商业 AI 公司的技术体系。其核心诉求不仅是让 AI 更好地解决数学问题,也包括保留对研究数据、知识成果及其使用方式的控制权。
随着 AI 在数学研究中的参与程度不断提高,商业模型的技术优势与学术界的数据自主权之间的矛盾仍将持续。数学家能否建立起足以与大型 AI 公司抗衡的自主研究生态,仍是这场争论的关键。


登录后才可以发布评论哦
打开小程序可以发布评论哦