OpenAI 發布 722 篇 AI 生成的數學手稿，引發對信任與功勞歸屬的爭論

目錄

• 你可能想知道
• 主要議題
• 關鍵洞見表
• 後續……

你可能想知道

• 儘管公開這些成果可能具有價值，為什麼 OpenAI 發布 722 篇數學手稿仍引發研究人員批評？
• 數學家認為，AI 系統產出研究成果時，公司應揭露哪些資訊？

主要議題

OpenAI 決定發布一大批 AI 生成的數學手稿，加劇了關於人工智慧公司應如何分享研究、承認貢獻並建立可信度的爭論。這次發布包含 722 篇手稿，分為 372 組相關論文，並上傳至公司的 GitHub 帳號。發布時機格外引人注意：《WIRED》刊出一篇批評該公司與數學家互動方式的報導後不到 5 小時，這些手稿便上線。

爭議並不只是 AI 生成的數學研究是否應該公開。研究人員對揭露的利弊看法不一，但許多疑慮都聚焦於發布前後的流程：結果是否經過檢查、來源能否追溯、數學家能否有效率地評估，以及既有研究或合作是否得到公平呈現。因此，核心爭議在於負責任的發表與問責，而不只是 AI 能解決什麼問題。

從高成本示範到大量成果集

9 月，OpenAI 表示已解開 Navier–Stokes 問題的一個版本。這是一項重大的數學挑戰，與描述流體運動的方程式有關。據報導，該公司為此動用了數萬個 AI 代理，並估計運算費用高達數百萬美元。先前的示範顯示，運用 AI 追求艱深數學問題可能需要大量資源。

對於這次的新成果集，OpenAI 的描述則有所不同。README 表示，平均而言，每項結果相當於 3 hours 的 ChatGPT Pro 運算量。據報導，每項結果所需的投入較少，使驗證與發布相關問題更加迫切。如果系統能以如此規模產出數學主張，學者就需要實際可行的方法，判斷哪些主張可靠、它們如何得出，以及與既有研究有何關聯。

OpenAI 的 README 表示，許多手稿包含 Lean 形式化內容；Lean 是一種可讓電腦檢查證明的程式語言。不過，並非每篇手稿都已完成形式化。README 也承認，部分未經形式驗證的結果可能有錯，並表示公司會盡快修正問題。這項但書很重要：發布一項提出的結果，不等於證明它正確。手稿或許能提供有用的研究線索，但仍需要數學檢視、修訂或獨立驗證。

研究人員在成果發布前的認知

8 月，OpenAI 召集約 40 位數學家開會，討論若 AI 系統在數學上的表現超越人類，這個領域該如何因應。據報導中引述的與會者表示，公司暗示其模型已解開數百道長年未解的難題，並詢問與會者該如何發表這些成果。有些與會者表示，他們當時以為 OpenAI 不會一次發布所有結果。然而，OpenAI 發言人 Lindsay McCallum 表示，公司「並不知情」有過這樣的承諾。

《WIRED》發布報導時，McCallum 表示，一個新的內部模型已解開 Navier–Stokes 問題，以及 100 多道其他長年未解的難題。她也表示，公司尚未決定何時發布這些成果。當天稍晚，美東時間下午 6 p.m.，OpenAI 在 GitHub 上發布了這批成果，並發布官方公告。這一連串事件引發疑問：這次諮詢是否影響發布計畫，以及研究人員是否清楚了解接下來會發生什麼。

西北大學數學家 Bryna Kra 表示，8 月會議的與會者曾要求 OpenAI 不要只靠部落格文章或社群媒體訊息宣布成果。他們希望看到能讓數學家檢視、理解並據以發展的論文。她認為，這些建議似乎遭到忽視。公司採用 GitHub 發布，與研究人員期望的發表形式不同，成為主要批評焦點之一。

透明度與獨立性的準則

數學 AI 獨立顧問小組（AGMAI）設於普林斯頓高等研究院。該小組的 9 位成員均無償服務。在考量數學家超過 600 份回覆後，小組於 September 29 發布建議。建議包括：AI 生成的數學成果應存放於不受 AI 實驗室控制的學術典藏庫；每項結果都應附上模型名稱、提示詞、推理摘要、所需時間與運算成本等資訊。

該小組也建議，不要把數學成果當成行銷素材。這項顧慮反映了科學貢獻的傳達與宣傳公司能力之間的差別。發布成果或許能吸引關注，卻可能沒有提供讀者重現或評估個別主張所需的資訊。該小組認為，獨立託管並逐項記錄資料，能讓研究人員更容易檢視成果，而不必完全仰賴產出成果的機構。

OpenAI 的發布方式並未符合所有建議。手稿託管於公司自己的 GitHub 帳號，公告也表示仍在尋找符合建議條件、由社群管理的典藏庫。公司揭露了平均運算量，並提供 10 份推理摘要，但沒有為每一道題目公開提示詞。據《Scientific American》報導，發言人表示 OpenAI 會認真看待這些建議，同時強調公司並不受其約束。

發言人也表示，幾乎每項結果都是以單一提示詞交由單一 AI 代理產生。MIT 數學家 Andrew Sutherland 提醒，在模型公開且結果可以重現之前，這類說法都應視為尚未證實。當研究人員無法檢視確切系統或重現所報告的流程時，可重現性尤其重要。揭露成果如何產生的大致說明或許有所幫助，但無法獨立確認方法或結論。

時機、功勞歸屬與競爭問題

Navier–Stokes 的公告也引發了 AI 輔助成果與人類研究進行中工作的關係疑慮。據《WIRED》報導，OpenAI 聽聞有人接近解出問題後，便加大投入。紐約大學數學教授 Tristan Buckmaster 質疑公司是否操之過急。他與 Anthropic 員工 Levent Alpöge 私下合作相關研究，成果尚未發表，而兩人當時正使用 OpenAI 工具協助研究。

這段報導本身並不能證明 OpenAI 使用或挪用了合作者尚未發表的研究。不過，它說明了研究來源留下清楚紀錄的重要性。當人類研究人員、商用系統與 AI 工具共同參與仍在進行的研究時，想法的先後順序與協助來源可能難以釐清。透明揭露有助於釐清哪些內容是獨立開發、哪些由模型提出，以及應如何分配功勞。

紐約大學客座教授 Nestor Guillen 將部分數學家的觀感形容為「有點像黑幫行徑」。OpenAI 否認這種說法。Guillen 表示，他在同事間感受到的不安日益不是針對 AI 本身，而是針對 AI 公司；權力集中也加劇了焦慮。這項區別很重要：研究人員可能樂見新的運算工具，同時仍擔心掌控系統、決定何時發布成果並形塑成果呈現方式的機構。

受訪的部分數學家也認為，數學領域正成為 OpenAI 與 Anthropic 競爭的舞台，兩家公司都在準備大型首次公開募股。批評者擔心，為了競相展示令人矚目的成果，可能會把慣常的發表與功勞歸屬流程擱置一旁。據稱，曾與 OpenAI 員工交談的人表示，有些員工認為這項技術已讓數學走到盡頭。McCallum 回應，公司並不認為數學的未來已成定局。

對開放的看法為何仍不一致

並非每位數學家都認為公開發布是錯誤的。多倫多大學數學家 Daniel Litt 告訴《Scientific American》，他看不出公司有什麼明確理由要對所有人保密答案。從這個角度來看，開放取用能讓研究人員檢驗主張、找出錯誤並探索可能的應用。公開成果集或許不是完美的第一步，但仍能讓社群取得原本無法接觸、可供評估的材料。

AGMAI 在發布當天作出回應，澄清其顧問角色不代表認可這些手稿或 OpenAI 的發布流程。小組指出，公開揭露只是理解這些成果的起點。至於是否遵循建議，應由數學界自行判斷。這項區分凸顯，諮詢不等於認證：獨立團體提供建議，並不會自動驗證公司的成果或決策。

Kra 協助起草《萊頓宣言》，該宣言有超過 4,000 位數學家連署，呼籲 AI 公司遵循數學界制定的標準。她表示，不認為 OpenAI 的作法符合宣言。她在意的不只是公司發布了成果，而是必須有更充分的揭露，她才會信任這些成果。她形容這段時期既令人害怕，又令人深感興奮——這種矛盾正好反映了這個領域面對快速進展工具時的複雜反應。

關鍵洞見表

後續……

AI 輔助數學的下一階段，不只取決於模型能否產生看似合理的證明。研究人員需要可靠的方法來檢查主張、比較輸出，並保留成果產生過程的紀錄。Lean 等形式化證明系統或許能讓部分論證接受機器檢查，但獨立的數學審查仍不可或缺，才能評估問題的設定、假設，以及所宣稱解答的相關性。

學術典藏庫與由社群主導的審查流程，也有助於將長期研究紀錄與公司公告區隔開來。實用的標準可以明確規定每項結果應揭露哪些資訊、如何記錄修正，以及如何描述人類與 AI 系統各自的貢獻。這些措施無法保證每項已發布的主張都正確，但能讓審查更切實可行，也讓結果的來源更容易理解。

數學社群、AI 開發者、大學與出版商也需要檢視功勞歸屬與權力問題。隨著 AI 工具成為合作研究的一部分，相關規範應區分協助與署名，並讓人類能因其為模型輸出提供脈絡、進行測試或提供參考而獲得肯認。最具建設性的前進方向，是讓技術進展與獨立驗證、透明文件記錄及共同治理並行。這種做法能保留公開取用的益處，同時為數學家提供更明確的信任依據。