OpenAI
在過去幾年裡，已經在數學這片日益艱險的領域插滿了自己的旗幟。本周，它宣布拿下了迄今最大的一項榮譽：解決了一個傳奇性的千年大獎難題。在正常情況下，這本該被視為一項歷史性成就而受到慶祝。
然而，許多數學家卻帶著日益增長的不安，目睹著OpenAI的步步推進。在他們眼中，這家公司與其說是一個充滿熱情的新人，更像是一個財力雄厚到令人難以置信的闖入者，肆意衝進他們畢生研究的問題之中，對長期以來的行業規範以及被甩在身後的人幾乎毫不在意。這種不安的核心在於一種感受：OpenAI做數學研究的出發點與眾不同。數學家想推動這個領域向前發展，而OpenAI只想贏。
數學界通常沒有這麼多的戲劇性衝突，那麼事情是怎麼變成這樣的？
本周，The Verge採訪了十幾位數學家，其中包括處於近期爭議核心的特里斯坦·巴克馬斯特（Tristan Buckmaster）和安德烈亞斯·托姆（Andreas Thom），他們的工作都與OpenAI最近的成果密切相關。即便是對最嚴重指控持懷疑態度的人，也描述了這個領域因這家科技巨頭的行事方式而受到的震動，以及對其為壓倒競爭對手而可能採取下一步行動的恐懼。
巴克馬斯特指控OpenAI未能充分說明，他通過該公司的工具Codex所做的工作，是否可能對其近期的成果有所貢獻。OpenAI發言人蘿倫斯·福孔內（Laurance Fauconnet）在對The Verge的聲明中堅決否認了巴克馬斯特提示詞中的內容曾對其產生影響：「我們可以明確表示，巴克馬斯特博士過去兩個月內在Codex中輸入的提示詞，絕無可能以任何方式影響該系統，包括訓練過程。」
巴克馬斯特仍不為所動。「鑑於他們迄今為止的行為，人們理應對這樣的聲明抱以極大的懷疑。」他說。
事情的起因只是一則傳聞，卻足以讓緊張局勢徹底爆發。OpenAI表示，他們聽說有研究者在千年大獎難題上取得了進展，於是決定試試自家一個尚未發布的先進模型能否也有所突破。結果證明確實可以。OpenAI稱，該公司動用了大約1萬個智能體、耗費數千萬美元的計算資源，僅用88小時便找到了納維-斯托克斯方程問題（涉及流體流動）的解法。
該公司同時也發現了自己在與誰競爭：巴克馬斯特，紐約大學教授，以及萊文特·阿爾波格（Levent Alpoge），其最激烈競爭對手Anthropic的一名研究員。這兩人當時正在研究多條方向，其中包括納維-斯托克斯問題，但尚未完成證明。接下來發生的一些細節爭議激烈，但雙方對基本事件順序大致認同。有一點特別明確：儘管阿爾波格聲稱此事是獨立於其在Anthropic工作之外的「個人合作」，但他的參與對OpenAI而言卻成了一個問題。
巴克馬斯特表示，在得知OpenAI已注意到他們的進展、並正加速推進自己的解法後，他聯繫了該公司。他說，與OpenAI研究員塞巴斯提安·布貝克（Sébastien Bubeck）的溝通逐漸變得劍拔弩張，在他看來甚至帶有威脅的意味，但公司為他提供了一條出路——一條排除了阿爾波格的路。巴克馬斯特說，對方向他提供了幾乎「無限的算力」，讓他完成自己的研究，並讓他成為OpenAI宣布這項突破論文的唯一作者，當然論文中會註明使用了該公司的工具。
「我要做的只是把萊文特出賣掉。」巴克馬斯特在電話採訪中告訴The Verge。他說自己堅決拒絕了布貝克的提議，在他看來這是一種「賄賂」，同時他也開始質疑，OpenAI是否可能從他使用Codex（他曾用來攻克該問題的公司AI工具之一）的過程中獲益。OpenAI否認曾有任何人或任何智能體訪問過他的特定用戶數據，並且直到最近的表態之前，公司都承認無法排除源自他使用產品所產生的數據被用於改進模型的可能性。
巴克馬斯特最終決定公開自己的研究成果，以及他對OpenAI行為的描述。他說，自己的辦公室一度變成了某種「作戰室」，同事們幫忙審查他的數學證明、協調對外溝通，甚至聯繫了律師。
布貝克在社交媒體上以及接受《紐約時報》採訪時，都否認了巴克馬斯特對雙方對話的描述。他承認曾提出讓OpenAI提供資源，幫助巴克馬斯特完成自己的證明，或者由巴克馬斯特來主筆撰寫公司的論文。值得注意的是，布貝克表示OpenAI曾與其他數學家達成過類似的安排，但沒有說明是誰。
但他的說法仍然清楚地表明，阿爾波格與Anthropic的關係是一個棘手的問題。「從我們的角度來看，我們怎麼能讓一個Anthropic的員工參與OpenAI的內部項目？」他告訴《紐約時報》。
如果目標是在數學領域展開競爭，那麼再沒有比解決千年大獎難題更大的戰果了。這七個問題是克雷數學研究所在2000年提出的，被廣泛認為是該領域最艱巨的挑戰。每解決一個便可獲得100萬美元的獎金。這些問題中的許多在設立獎項之前，已經歷了數十年的深入研究。在此後的四分之一個世紀裡，只有一個——龐加萊猜想，一個關於三維球體的拓撲學問題——被攻克。
因此，對於一家想證明自家模型是數學領域最強的AI公司來說，這些問題具有無法抗拒的吸引力。對於巴克馬斯特以及The Verge採訪的許多其他數學家而言，這也解釋了為何OpenAI一聽說有其他人正在逼近答案時，會如此激烈地行動——尤其是當一家競爭AI公司似乎也牽涉其中的時候。
對巴克馬斯特而言，這一事件印證了他在此前與谷歌DeepMind合作時就已強烈感受到的一點：「這些科技界的人都痴迷於」解決著名的大難題，並且「痴迷於搶先」，他說。「一切都是競爭。」
在那個世界裡，巴克馬斯特說，人們對聲望、名氣、成為第一、以及被看作是第一，有著一種強烈的執念。「那才是唯一的通行貨幣，」他說。
他說，公司競相解決知名難題時，往往被「忽略」的正是數學家本身——不僅是那些積累的成果使得這些突破得以實現的人，還包括他們最初從事數學研究的原因。誠然，有些人可能追求聲望，但大多數人根本不是獵取戰果的人。牛津大學數學教授安德拉斯·尤哈斯（Andras Juhasz）將數學描述為一門優雅的學科，兼具科學與藝術的特質，從業者的動機各不相同。「很多時候並沒有立竿見影的實際應用，」他說。「他們做數學是因為它美，他們享受這個過程。那是一種發現的感覺，是自然而然的。」
與課堂上的數學練習不同，前沿數學研究很少有既定的解題路線。研究者可以從多個角度攻克問題，有些角度截然不同，這使得最終導向解答的思路——以及提出這些思路的人——變得格外重要，或許比解決問題本身更為重要。數學家非常看重這種傳承脈絡，因為這正是這個領域向前發展的方式，新的技術和方法往往比它們最初被設計來解決的問題更具深遠意義。
對巴克馬斯特來說，他與布貝克的交流正體現了研究數學界與科技巨頭世界之間的鴻溝，也凸顯了雙方對研究價值的不同理解。他讀著與布貝克交談時所做的筆記說，當他拒絕該公司提出的署名安排時，這位OpenAI研究員明顯感到震驚。「我能看到塞巴斯提安的表情。當我說我不在乎千年大獎時，他很震驚，」他回憶道。
巴克馬斯特說，他此前就在科技界研究人員身上遇到過類似的心態。在那個世界裡，他說人們對聲望、名氣、成為第一、以及被看作是第一，有著一種強烈的執念。「那才是唯一的通行貨幣，」他說。
巴克馬斯特並不是唯一一位在與OpenAI打交道後，對該公司動機產生擔憂的數學家。德國德勒斯登工業大學教授安德烈亞斯·托姆，在上月因OpenAI宣布的一項令人矚目的數學成果而陷入爭議的中心——該成果在很大程度上依賴於他與同事加博爾·庫恩（Gábor Kun）的工作。這家公司悄悄修改了自己的公告，承認了兩人的貢獻，卻沒有對外宣布或公開披露這一改動。
托姆將這段經歷描述為「不是一次很愉快的體驗」，但他告訴The Verge，在巴克馬斯特公開發聲之前，他基本已經把這件事放下了。巴克馬斯特的指控促使托姆重新審視一個未解決的問題：他和同事們與ChatGPT就該研究進行的對話，是否可能被用來幫助改進最終破解了他花費多年研究的問題的模型。
托姆說，只有OpenAI掌握回答這個問題所需的資訊。「說實話，我懷疑他們自己都不知道。」他說，負責訓練模型以及用模型來產出數學成果的人，是「另一類人」。對他來說，這幾乎不能算是不確定性的理由。「因為這實際上意味著他們根本不在乎，對吧？」
這種緊張局勢與其他領域已經上演的衝突如出一轍。作家、音樂人、藝術家和媒體公司都曾質疑AI公司利用大量人類創作成果構建系統，卻常常沒有獲得授權、認可或補償。儘管數學看起來相去甚遠，但背後的問題是一樣的：公司對那些被它們攝取用來構建系統的成果的創造者，究竟負有什麼責任？
在托姆的案例中，這個問題仍未解決。OpenAI沒有回應The Verge關於托姆及其同事與ChatGPT的對話數據是否可能對該公司基於其研究成果得出的解法有所貢獻的提問。
更廣泛地說，托姆表示他不滿於自己所看到的一種情況：人們未能承認支撐起AI近期數學進展的「整個社區所付出的共同努力」。他說，各公司「現在只是在使用這些成果，仿佛它們毫無價值一樣」。
「我認為這裡面有一種我不喜歡的態度，」他說。
並不是說數學家對競爭感到陌生——研究者非常在意優先權，誰先取得成果的激烈爭議在數學史上比比皆是——但競爭並不排斥合作，而眼下的對手卻絕非尋常。歷史上，在數學領域搶先發布成果相對困難，原因顯而易見：極少有人具備足夠的專業知識能夠快速介入某項發現。而AI公司的運作規模截然不同。研究者擔心，它們可能把搶發成果變成一種工業化的流程，一旦風聲傳出某項突破即將完成，便能迅速調動成千上萬個智能體和海量的計算資源，令數學家們幾乎無力反抗。
在巴克馬斯特看來，OpenAI本可以輕鬆選擇與研究者合作，而不是與他們競速。事實上，公司似乎也完全願意與他合作。問題在於阿爾波格，或者更準確地說，在於他與Anthropic的關係。
「他們急於發表，急於搶在Anthropic之前，」他說。他們幾乎沒有留意夾在中間的研究者。
儘管如此倉促，OpenAI要知道自己是否真的憑藉解決納維-斯托克斯問題贏得千年大獎，還需要等上好幾年。克雷數學研究所要求，一項成果發表後必須經過兩年的觀察期，期間該成果需要「得到全球數學界的普遍認可」。目前，納維-斯托克斯問題正處於一種奇特的懸而未決的狀態：研究所已將其從未解決問題清單中移除，但尚未宣布該問題已被解決。「這一過程是有意放慢節奏的，」研究所在一份聲明中表示。
與此同時，OpenAI已經著手下一個目標。OpenAI的福孔內在對The Verge的聲明中表示，「自納維-斯托克斯問題完成以來，我們在另一個千年大獎難題上已取得了實質性進展」，並補充說該公司「正在研究如何審慎地分享這些成果」。
具體是哪個問題目前尚不清楚。社交媒體上未經證實的猜測認為，這可能是霍奇猜想，粗略地說，該猜想涉及複雜幾何形狀如何用更簡單的基本構件來理解。也有傳聞稱，Anthropic正在逼近自己的一個千年大獎難題。
當這兩大AI巨頭競相收集更多數學戰果時，它們正在發現，僅憑驚人的成果並不足以贏得他們正在改變的這個學術共同體的信任。
數學家們已開始反擊。The Verge採訪的許多人，即便是對AI介入該領域最熱情的支持者，也擔心這些公司正在對研究產生寒蟬效應，促使數學家對未完成的工作更加保密，擔心有人會突然介入並搶先完成。多位受訪者表示，此前曾編制重要未解問題清單的同事正在重新考慮這一做法，擔心原本旨在為學界提供有用資源的清單，反而可能變成AI公司的目標名單。
反抗的聲音正變得愈發公開。今年6月，數學家們發布了《萊頓宣言》，這是一套關於在數學領域負責任地使用AI的原則，已獲得國際數學聯盟的認可，並有近3900人簽署——相比我今年8月中旬報道時增加了近500人。該宣言呼籲政策制定者、政府、媒體及其他各方，不要被那些「誇大自身產品能力」的公司製造的「炒作」所裹挾。在千年大獎爭議持續升溫之際，OpenAI宣布撤回對加州理工學院一場大學生數學黑客馬拉松活動的贊助，此前該活動遭到強烈反對，反對者譴責企業利益的介入，並擔心這場活動會帶來大量低質量的「數學垂圾」。
「他們根本不在乎我們這個學術共同體。這一切只是兩家萬億美元級公司之間幼稚的爭鬥，他們的行為就像小孩子一樣。」
中國清華大學數學教授、哈佛大學榮休教授、菲爾茲獎得主丘成桐告訴The Verge，他擔心此事可能對年輕研究者產生的影響。「對於博士生和初級教職人員來說，攻克難題本身已經承擔著相當大的風險，」他說。「與資源遠超學術研究團隊的強大AI公司競爭，可能會讓他們更加不願意去追求有野心的問題。」
丘成桐沒有就研究者的成果是否可能被OpenAI使用的指控發表意見，但他表示支持進行獨立審查，以查明事情的真相。更廣泛地說，他擔心缺乏透明度以及爭先宣布成果的做法，可能會掩蓋一項突破背後的思想傳承脈絡。他說，數學領域的貢獻認定應當反映的是智力上的貢獻，而不是誰擁有最多的算力預算，或者誰的公告聲量最大。
丘成桐還指出了另一個問題。OpenAI和其他AI公司處於一個特殊的位置：它們既是重要研究工具的提供者，某種程度上也是研究者本身。他說，這「引發了嚴重的利益衝突問題」，尤其是考慮到它們可能從對客戶尚未完成、尚未發表的工作享有的特殊訪問權限中獲益。
「這一擔憂值得得到實質性的回應，」他說。「不應該簡單地被當作普通競爭而一帶而過。」
這種日益增長的不安感，很大程度上歸結為信任問題。數學家們即便不接受對OpenAI最激烈的那些指控，也仍然會對一家既提供他們研究工具、同時又與他們競爭的公司感到擔憂。
「說實話，我認為某個數據安全公告之類的東西根本解決不了這個問題，」托姆說。「我並不真的信任他們。」巴克馬斯特也有類似的感受：「我們憑什麼該相信他們說的任何話？」
巴克馬斯特說，同事們對他公開發聲的反應總體上非常正面。但其中也夾雜著另一種情緒：恐懼。他告訴The Verge，他最初打算在公開自己的經歷時感謝那些支持他的人。但由於許多人對公開署名感到不安，他最終決定不這樣做。「事實是，數學家們真的很害怕他們，」巴克馬斯特說，指的是那些AI公司。
而恐懼顯然不是建立一個富有成效且健康的研究共同體的堅實基礎。巴克馬斯特並不認為這對涉及其中的公司而言有多重要。「他們根本不在乎我們這個學術共同體，」他說。「這一切只是兩家萬億美元級公司之間幼稚的爭鬥，他們的行為就像小孩子一樣。」
Q&A
Q1：OpenAI是如何解決納維-斯托克斯方程問題的？
A：OpenAI表示，該公司動用了大約1萬個智能體、耗費數千萬美元的計算資源，僅用88小時便找到了納維-斯托克斯方程問題的解法，這是七大千年大獎難題之一，涉及流體流動的研究。
Q2：巴克馬斯特指控OpenAI的具體內容是什麼？
A：巴克馬斯特指控OpenAI未能充分說明他通過Codex工具所做的工作是否影響了其研究成果，並稱OpenAI曾提議讓他獨享論文署名，條件是排除合作者阿爾波格，他認為這是一種「賄賂」並公開拒絕。
Q3：數學界對AI公司介入研究有哪些擔憂？
A：數學家們擔心AI公司憑藉海量算力資源可能把搶發成果變成工業化流程，導致研究者更傾向於保密未完成工作，同時擔心公司既提供研究工具又參與競爭會帶來利益衝突問題，損害學術信任。
