10月27日消息，距离上一次集中发布数百份数学研究手稿还不到一个月，OpenAI再次公布了三项自称具有重大意义的科学发现，分别涉及数学、计算机科学和理论物理。

如果这些结果最终得到学术界确认，将可能对多个基础科学领域产生重要影响。但与此前直接批量公开AI生成证明的做法不同，这次OpenAI明显调整了发布策略。

公司开始邀请外部顶级科学家参与，对AI生成的研究成果进行检查、解释和验证。

不过，这种方式同样引发了争议。

此次公布的第一项成果来自数学领域，核心是欧几里得空间中波动方程的局部平滑问题。

OpenAI表示，其模型提出了一套证明方法，利用辅助偏微分方程，在所有不低于二维的空间中证明了Sogge局部平滑猜想。更重要的是，这项证明如果成立，还将进一步解决多个数学界长期关注的重要问题。其中包括Kakeya极大函数猜想、Kakeya维数猜想，以及Stein球面限制性估计在猜想范围内部的相关问题。

这些问题涉及调和分析、偏微分方程以及几何分析等多个数学研究领域。而Kakeya猜想则与几何空间中极其复杂的方向和维度问题有关。这些问题不仅具有理论意义，也与现代数学中的多个重要研究方向存在联系。

OpenAI表示，这次AI生成的证明覆盖所有不低于二维的空间维度。如果能够得到完整验证，其意义将远远超出解决某一个特定维度的问题。

值得注意的是，就在几个月前，纽约大学数学教授王虹还因为解决三维Kakeya猜想，获得了国际数学联盟颁发的菲尔兹奖。菲尔兹奖是国际数学界最重要的荣誉之一。

如今，OpenAI声称自己的模型已经将相关问题推进到所有空间维度，自然引发了广泛关注。

数学证明需要经过严格检查，确保每一步推导都成立。对于如此复杂的研究成果，最终验证可能需要相当长的时间。此次OpenAI没有选择先让少数专家完成解释，而是按照此前10月6日的做法，直接公开了模型生成的原始内容。

公司表示，这也是在外部数学顾问建议下采取的方案，希望全球研究人员能够共同检查和理解这些证明。

相比数学领域的成果，第二项发现可能更加具有颠覆性。

OpenAI宣布，其模型提出了一套算法和证明，声称可以推翻计算机科学中的指数时间假设，也就是ETH。这一假设最早于1999年提出，是理论计算机科学中的重要研究基础之一。它主要涉及计算机解决某些复杂问题时，究竟需要多少计算时间。

其中，3-SAT问题是一个非常典型的代表。简单来说，3-SAT涉及判断一组由逻辑条件构成的公式，是否存在能够让所有条件同时成立的变量赋值。随着问题规模增加，这类问题的计算难度可能迅速上升。指数时间假设认为，不存在能够以次指数时间解决一般3-SAT问题的算法。

这一假设虽然长期受到广泛认可，但至今并不是已经被证明的数学定理。大量理论计算机科学研究都以它作为推导复杂性下界的重要基础。

而OpenAI此次宣称，其模型找到了一种确定性算法，可以在次指数时间和多项式空间内，精确计算固定子句宽度CNF公式的满足赋值数量。

其中包含3-SAT问题的情况。如果这一算法和证明成立，就意味着ETH所依赖的核心判断是错误的。这将对理论计算机科学中的大量既有研究产生影响。因为许多复杂性结论，都建立在ETH成立的前提之上。

为了验证这项成果，OpenAI邀请了一组顶级计算机科学家参与审查。其中包括加州大学圣迭戈分校的Russell Impagliazzo和Ramamohan Paturi，以及麻省理工学院教授Ryan Williams。

值得关注的是，Impagliazzo和Paturi正是1999年最初提出指数时间假设的研究人员之一。这无疑让整个事件更具戏剧性。

OpenAI表示，这三位专家将牵头成立独立工作组，对AI生成的算法和证明展开研究。

在工作组要求下，OpenAI已经将相关研究材料和Lean形式化证明上传至GitHub，允许其他研究人员共同检查。Lean是一种能够辅助检查数学证明逻辑正确性的形式化工具。它可以通过计算机程序验证证明步骤是否符合既定逻辑规则。

不过，即便某项证明能够通过形式化检查，也仍然需要确认问题表述、形式化定义以及证明结论是否真正对应原本的科学命题。

这支专家工作组同时向计算机科学界发布了一封公开信，邀请更多研究人员参与讨论。他们希望借此探索，在AI开始批量生成重大科研成果的时代，学术界究竟应该建立怎样的新规则。

此次公布的第三项成果来自理论物理领域。

OpenAI表示，其模型提出了一项数学上严格的存在性证明，涉及四维空间中的某些相互作用量子场论。相关理论包含规范场和费米子，并涉及量子色动力学，也就是QCD，以及粒子物理标准模型的一种统一完备化方案。

量子色动力学是现代粒子物理学的重要理论基础，主要用于描述夸克之间的强相互作用。虽然相关理论已经在物理实验中取得大量成功，但要从严格数学角度证明某些四维相互作用量子场论的存在性，仍然是极其困难的问题。这也是数学物理领域长期关注的重要研究方向。

OpenAI此次声称取得的成果，如果最终得到验证，可能为相关理论提供新的数学基础。与数学和计算机科学成果不同，OpenAI目前尚未公开这项物理研究的全部内容。

公司表示，将由著名理论物理学家David Gross牵头，组织一个专家团队审查和解释相关成果。参与者还包括Michael Douglas、Arthur Jaffe、Igor Klebanov和Nikita Nekrasov等知名学者。

目前，这项物理成果仍有待进一步公开和独立检查。

此次发布最大的变化，其实不只是三项科学发现本身，而是OpenAI开始重新考虑AI科研成果应该如何进入学术界。不到一个月前，OpenAI曾集中公开数百份AI生成的数学研究手稿。

这一做法在数学界引发了强烈争议。部分研究人员认为，大量未经充分整理和解释的AI证明被一次性公开，会给学术界带来沉重的验证负担。

因为即便AI能够在很短时间内生成大量复杂证明，人类数学家仍然需要花费大量时间检查每一个关键步骤。如果证明存在错误，还需要找到问题所在，并判断是否能够修复。

为此，OpenAI开始引入一种外部专家引导机制。这些专家被称为Shepherds，可以理解为负责引导和推动研究成果验证的学术顾问。他们的主要工作不是替AI完成研究，而是帮助学术界理解、检查和解释AI生成的成果。

就在此次发布前一天，OpenAI组建的数学顾问小组AGMAI公开表达了不同意见。该小组建议，AI公司不应该采用让特定研究人员优先获得AI科研成果的做法。

原因主要有几个。首先是研究机会不平等。如果某些专家能够提前拿到AI生成的重要证明，就可能比其他研究人员更早开展后续研究。其次是学术声誉问题。当AI公司邀请知名数学家参与审查时，外界可能误以为这些专家已经认可相关成果。即便他们实际上只是负责检查和解释。

此外，由AI公司自行选择专家，也可能带来选择偏差和利益冲突。因此，顾问小组建议，未来AI实验室应该更加公开透明地发布研究成果。例如，将AI生成的内容上传至正规的学术资料平台，并尽可能提供Lean形式化证明。同时，还应披露研究问题是如何选择的、相关研究使用了哪些资源，以及是否存在潜在利益冲突。顾问小组还建议，AI公司应该为参与验证和解释这些成果的研究人员提供资金支持。因为检查复杂证明，本身就是需要投入大量时间和专业知识的重要科研工作。