近日，科技领域传来一则引人瞩目的消息：人工智能研究机构OpenAI在攻克数学难题方面取得重大进展，其内部未公开的AI模型已成功解决“纳维-斯托克斯存在性与光滑性问题”。这一成果引发了广泛关注，该问题属于克莱数学研究所于2000年提出的七个“千禧年大奖难题”之一，此前在数学界引发诸多争议。
据了解，OpenAI为解决“纳维-斯托克斯存在性与光滑性问题”投入巨大，或已花费数百万美元。当时，他们使用的是下一款预训练模型的一个变体，代号为“Doug”。当地时间9月8日，OpenAI正式宣布了这一突破性成果，不过，即便找到解法，公司也并未立即公布，而是谨慎考虑如何与数学界合作发布消息，以避免再次陷入公关危机。
不仅如此，OpenAI在数学难题的攻克之路上似乎并未止步。据《The Information》援引一名了解情况的人士消息，目前OpenAI已接近攻克“千禧年大奖难题”中的另一道难题。该人士还透露，OpenAI员工预计，下一道“霍奇猜想”有望在不久后得到解决。“霍奇猜想”主要研究由多项式方程定义的几何形状中，某些几何特征能否始终用更简单的代数结构来描述。
部分OpenAI研究人员认为，数学有望成为大模型继软件工程之后的下一个重要试验场。软件工程和数学存在一个重要共同点，即都依赖一步步的逻辑推理，并且结果往往可以自动验证对错。一些研究人员甚至判断，过去一年在软件工程领域兴起的自动化进程，在未来6至9个月内也可能在数学领域出现。
攻克高难度数学问题还有着更为深远的意义，它能够推动机器学习研究本身实现自动化。机器学习研究离不开大量数学知识的支撑，而研究自动化是AI开发商迈向“AI开发AI”这一目标的重要一步，这种能力通常被称为递归式自我改进。
让前沿模型挑战从未有人解决过的数学难题，对于研究人员判断模型的发展程度和复杂推理能力也具有重要作用。如果模型能够攻克“纳维-斯托克斯存在性与光滑性问题”和“霍奇猜想”这类级别的难题，那么或许意味着它们有能力处理生物学、化学等领域中难度相当的问题。
