纽约大学数学家特里斯坦·巴克马斯特近日公开了一份关于流体方程研究的四页声明，引发数学界对人工智能辅助科研的广泛讨论。他与合作者利用AI技术取得重要进展，却在声明中专门致歉，称论文尚未完善，本计划用数周时间整理出更易被同行理解的证明过程。
这一道歉背后，折射出科研领域的新矛盾。巴克马斯特坦言，外部压力迫使研究团队提前公布成果。巧合的是，同日OpenAI宣布其内部系统攻克了纳维-斯托克斯方程这一千禧年难题。尽管双方结论不同，但这场"人机竞赛"暴露出科研评价体系的深层问题。
纳维-斯托克斯方程描述流体运动规律，其"爆破"现象研究关注方程在何种条件下失效。OpenAI的论文提出，特定光滑外力作用下三维不可压缩流体的速度可在有限时间内无界增长，而总动能保持有界。该公司认为这解答了难题的两个否定性版本，但数学界对此保持审慎态度。
科研验证需要严格流程。尽管OpenAI公开了论文和代码，但其形式化记录仍处于"自评"阶段。克雷数学研究所的百万美元奖金要求成果需经合格发表、两年等待期及数学界广泛认可等程序。这表明，单凭技术突破无法直接等同于学术认可。
证明助手Lean等工具可验证形式化推导的合规性，但无法替代人类对研究思路的理解。巴克马斯特坚持完善论文的举动，凸显出科研传承的重要性。清晰的论述能节省后续研究者的时间，而潦草的成果虽可发表，却将整理工作转嫁给他人。这种隐性劳动在现行评价体系中难以量化。
OpenAI的解题系统规模庞大，包含约一万个并发代理，运行88小时后额外花费17小时进行形式化验证，消耗约1300亿个输出token。这种资源投入引发关于科研能力分配的讨论。普通研究者虽可购买模型服务，但难以获得同等规模的内部模型和试错时间，工具拥有者与使用者的能力差距可能进一步扩大。
研究贡献的认定变得复杂。巴克马斯特在声明中明确，其工作延续了其他学者的研究路线，AI仅提供辅助。这种多层协作模式中，路线提出者、论证修补者、系统开发者与工具提供者均可主张重要性，但公众往往只能记住模型公司的名称。
数据使用边界成为新争议点。巴克马斯特曾质疑提交给Codex的草稿是否被用于训练模型，OpenAI否认研究人员在解题前接触相关内容，但表示无法完全排除去标识化数据对模型改进的潜在影响。这反映出个人研究者与商业平台合作时的权利模糊地带。
现行数据规则存在差异。OpenAI允许个人用户退出训练数据集，但商业产品和API默认将输入输出用于模型优化。具体到此次争议，需考察研究者使用的服务类型和设置选择。对科研而言，保护"谁写了什么"与保护"谁是谁"具有同等重要性，未发表知识的价值不因作者匿名而消失。
这场争论暴露出科研生态的转型阵痛。当AI加速成果产出，研究者说明工作、理解技术的时间却被压缩。巴克马斯特希望多花数周完善论文的坚持，或许无法带来更耀眼的数据，但可能为后来者提供真正有价值的学习材料。科研评价若只奖励最快宣布者，可能导致论文质量与可读性下降，最终损害学术传承。
