MIT教授绝望：OpenAI攻克的千禧年难题，人类已经看不懂了！

新智元报道

最近，全世界的数学圈都被AI核爆了。

OpenAI一口气发表了722篇论文。

这些论文虽仍接受核查，但看起来，从唯一博弈猜想到准黎曼假设，许多知名的未解数学难题已攻克了。

数学家一觉醒来，发现自己的研究可能被终结了！

匈牙利概率论学家Alfred Renyi曾把数学家称为「一台把咖啡变成定理的机器」。如今真有了一台这样的机器，而它用的是数据中心。

而在彭博社知名播客《Odd Lots》的最新一期节目中，麻省理工学院工程教育副院长Justin Solomon直面难题：

AI如何颠覆数学界。

OpenAI攻克Navier-Stokes方程，但人类「读不下去」

AI直接降维打击了人类智力的绝对巅峰「数学」。

这个秋天，人类的智力自尊，被「外星逻辑」击碎了。

当OpenAI解开困扰了人类百年的千禧年大奖难题时，迎来的却不是全人类的狂欢，而是一场巨大的、深不见底的认知恐慌。

因为，哪怕是全球最顶尖的数学家、MIT教授，在读到这份证明的第二页时，也只能绝望地低下头，无奈承认：「它是对的，但我根本看不懂啊。」

当「真理」与「人类的理解」破天荒地分道扬镳，我们究竟是进化到了神明的门槛，还是彻底沦为了AI圈养的「智力文盲」？

事情从上个月说起，当时OpenAI的模型给出了千禧年大奖难题——Navier-Stokes（纳维-斯托克斯）方程解失效的反例证明。

Navier-Stokes方程，被称为流体力学的「上帝公式」。

你早晨用勺子搅拌咖啡时奶泡的旋转，台风眼形成时撕裂天空的气流，甚至飞机机翼划过空气时产生的阻力……理论上，全都被这个优美而深奥的方程所支配。

写下这个方程并不难，但过去一百年来，全世界最聪明的大脑都被一个基础问题死死卡住：如果给定一个平滑的初始状态，这个方程的解，会不会在未来的某个瞬间突然「炸」掉？

说人话就是：水流会不会在某种极端情况下，突然不按物理常识走，爆发出无限大的速度？为了找到这个答案，克雷数学研究所悬赏了100万美元。

一直以来，人类数学家普遍觉得「不会」。

但OpenAI硬生生给出了一个反例：存在一种类似「疯狂勺子」的极端搅动方式，理论上能在有限时间内把流体搅到彻底失控。

更具戏剧性的是，这场跨世纪的突破并非AI完全凭空捏造。

此前，西班牙的一群顶尖数学家已经用纸笔构筑了这把「勺子」的主体构造，进度条推到了99%。而AI，仅仅是凭借它极其恐怖的算力与非人的逻辑推演能力，替人类走完了最后、也是最绝望的那1%。

按理说，这该开香槟了吧？

但最致命的困境出现了：这份震古烁今的证明放出来之后，全人类，没人读得下去。

《Odd Lots》的主持人Joe下载了论文，看着那些符号如看天书。

而作为MIT副院长、早年还在皮克斯（Pixar）研究过电影特效背后复杂数学模型的Justin Solomon，在尝试阅读这份证明时，翻过前两页后，大脑也彻底宕机了。

「那份证明读起来非常吓人，全是密密麻麻的技术细节、极度反直觉的不等式和极端的界限取值。」Solomon坦言。

主持人问他：「这份证明优雅吗？」Solomon苦笑：「大概毫无优雅可言。」

主持人又问：「那它正确吗？」Solomon沉默了一下：「大概是对的。」

几千年来，从欧几里得的几何到牛顿的微积分，在数学的世界里，「它是对的」和「人类看懂了它」几乎是同义词。

一份绝妙的证明，本身就带着人类理性的光辉与逻辑的诗意。

但今天，这两件事，被AI硬生生地撕裂了。真理降临了，但它用的是外星语言。

播客里提到了 Uber 创始人 Travis Kalanick 的一个疯狂举动：这位硅谷大佬最近沉迷于和 AI 一起研究物理。

他觉得，仅仅通过和 AI 聊天，靠着一种所谓的「感觉物理学（Vibe Physics）」，自己就已经逼近了某些重大的物理突破。

但「只靠和机器聊天的直觉，就能搞懂复杂的物理吗？」

细思极恐：陶哲轩的思想实验与「外星逻辑」

如果说数学和物理学理论突破离普通人太远，那么当今世界最伟大的数学家之一、菲尔兹奖得主陶哲轩（Terence Tao），则用一场直击灵魂的思想实验，把这种恐慌推到了每个人的眼前。

就在几天前，他在加州理工学院举办的「Math 2.0」发表了演讲。

Slide链接：https://teorth.github.io/tao-web/slides/math-2-0-caltech-2026.pdf

陶哲轩的一张幻灯片，引爆全网争议。

他让大家设想这样一个场景：

人类向一台拥有近乎无限算力的超级AI下达了一句提示词（Prompt）——「寻找一种能够通过三期临床试验的癌症疗法。」

经过庞大的黑盒运算，AI真的吐出了一个配方。这是一种由若干未知化学成分组成的复杂混合物。AI的数学模型精准预测：只要把这副药剂调配好，注入患者静脉，就能100%消灭所有癌细胞。

更不可思议的是，虽然全人类没有任何一个医学家、化学家知道这个配方为什么有效，但AI的推演过程不仅在交互式定理证明工具Lean中得到了无懈可击的形式化验证，甚至在现实世界中，这副药剂也硬生生通过了极其严格的FDA三期临床试验。

现在，选择权交到了你的手上：如果这管连顶尖科学家都看不懂机制的「神药」摆在面前，你敢不敢把它打进自己的静脉？

陶哲轩将前沿AI在「对齐（Alignment）」与「可解释性」上的核心困境，极其辛辣地摆上了台面。

在这个思想实验中，这套AI方案有没有可能存在致命漏洞？它会不会仅仅是通过钻了人类「三期临床试验」的规则漏洞，用一种人类完全无法理解的「外星逻辑」来达成了字面上的目标？

你会不会在针管扎入皮肤前大喊停下，坚持要求：必须至少有一名人类肿瘤专家完全看懂它的治愈机制，或者至少有一名人类数学家彻底理解AI定位配方的数学模型！

或许癌症晚期患者并不关心背后机制，但问题是疗效要如何确定？

这正是OpenAI解出Navier-Stokes方程所揭示的恐怖未来：前沿AI的数学推导能力，已经逼近甚至超越了人类认知的上限。「人类验证AI」的传统科研范式，正在遭遇硬性物理撞墙。

比起攻克千年难题，更震撼、也更令人不安的，是AI生成的那些充斥着反直觉跳跃、毫无美感可言的「外星逻辑」证明。

崩塌的旧世界：谁有算力，谁拿诺贝尔？

当AI的生产力开始呈指数级暴涨，而人类的验证能力却停滞不前时，最先崩盘的，是我们引以为傲了几百年的学术审查系统。

在播客中，Solomon报出了一组令人窒息的数字：机器学习领域的顶级会议ICLR，十年前只有一两千份投稿；而今年，投稿量如海啸般暴增到了六万份！

评审委员们需要在短短一两个月内，消化完这些充斥着AI生成痕迹的论文。

「连PDF都来不及点开。」Solomon苦笑。

人类精英的算力枯竭了，审稿彻底沦为走过场，学术质量的印章随之失灵。

甚至有高中生靠着AI一键包装的华丽履历，堂而皇之地混进了顶级会议的审稿人队伍里，去评审那些大学教授的论文。

更让这位MIT副院长头疼的是，他的邮箱现在成了重灾区。

每天都有陌生人发来邮件：「教授，我好像证明了一个新结果，AI说这个推导很重要，能帮我验证一下吗？」

模型天生喜欢「顺着人说话」，这在要求绝对严谨的数学领域是极其致命的。因为数学那高耸入云的门槛，原本就是为了拦住那些「看着像对，其实狗屁不通」的伪科学。现在，AI把伪科学包装成了真理的模样，大规模向人类发起DDoS攻击。

随之而来的，是更残酷的阶级固化：做科研，开始拼钱包和算力了。

如果照这个势头发展下去，未来的数学大奖、诺贝尔奖，规则将被彻底改写：「谁买的Token多，谁手握的GPU算力强，谁就能先找到答案。」

我们可以算一笔账：

一个普通的大学数学教授，辛辛苦苦用纸笔推导出了一个方向的雏形，还没等发表验证；那些「控制着算力水龙头」的科技巨头们（比如OpenAI、Google），用着比大学实验室领先至少两代的内部未发布模型，顺着教授在网上走漏的哪怕一点点思路，在一周内，就强行用几万张显卡的算力撞出了最终结果。

甚至，Solomon补了一记绝杀的刀子：「说不定，他们模型产生灵感的来源，就是白嫖了你平时在网上的学术讨论记录。」

那么问题来了：这项跨世纪的突破，功劳到底算谁的？

克雷数学研究所那100万美元的奖金，是发给提供算力的科技巨头CEO？发给写下那句「请证明NS方程」Prompt的程序员？还是发给铺垫了前置工作的人类数学家？

没人知道。这笔糊涂账，成了赛博时代的无头悬案。

最后的防线：人类还能干什么？

既然AI连千禧难题都能硬啃下来，程序员的岗位在肉眼可见地变少（MIT二十年来首次出现计算机专业入学人数下滑），连MIT教授都读不懂证明，那么，人类在这个被AI狂轰滥炸的时代，究竟还能干什么？

Solomon给出的判断，是一半泼冷水，一半留了一扇门。

他认为，眼下模型所做的一切惊天壮举，本质上都还落在人类已有知识围成的「凸包（Convex Hull）」里。

AI极其擅长在已知的知识节点之间进行高维度的连线，甚至能替人类用穷举和蛮力，算完卡了十年的最后那几步。

但真正伟大的新理论，是从无到有的平地起高楼，是凭空创造一个全新概念，让整个世界的图景被重新描绘。

人类在几千年前就学会了酿酒，大家开怀畅饮，享受微醺。但直到几千年后的近代，人类才在显微镜下搞懂了「酵母菌」这种东西的工作机制。

也许未来的数学和科学，也会走上这条路：AI像大自然一样，负责生成廉价但有效的「答案」；而人类，则要花上几十年甚至几百年的时间，去弄明白「为什么」。

生成答案变得越来越便宜，但「验证」与「理解」却没有跟着降价，反而成了最稀缺的奢侈品。

「所以，我们的孩子还得学数学吗？」Joe问出了所有父母最关心的那个实际问题。

这一次，MIT的副院长没有打磕巴，非常笃定地回答：「我觉得必须得学。」

因为当「解答」变得廉价，整个世界都在等待下一次跳跃时，谁能提出下一个Navier-Stokes方程？谁能判断出AI给出的答案是否真正具有分量？谁能将那一堆冰冷的代码，转化为人类文明能够消化并传承的「理解」？

这些事，暂时，还写在人类这一边。

参考资料：

https://www.youtube.com/watch?v=aTXGrz-sChk

https://teorth.github.io/tao-web/slides/math-2-0-caltech-2026.pdf

编辑：大卫