OpenAI攻克十项数学难题，AI科研能力再突破

近日，OpenAI官方公布了一项令人瞩目的研究成果：其在数学与理论计算机科学领域成功解决了十项长期悬而未决的难题。这些难题的核心研究在至少十年，甚至更久的时间里未曾取得实质性进展，如今被OpenAI的下一代核心模型Astra的内部版本逐一攻克，标志着人工智能在基础科学探索中迈出了重要一步。

据OpenAI介绍，这些成果的取得并非偶然。Astra模型通过高效的推理和计算能力，在短时间内为这些复杂问题提供了创新性的解决方案。若按Sol API的费率计算，寻找这些解决方案所需消耗的总词元成本约为2000美元（约合13530元人民币），这一数字直观地展示了AI处理复杂问题的成本效益。

在学术伦理方面，OpenAI特别强调了署名权的重要性。他们认为，如果一项完全由AI系统生成的证明被声称为人类独立撰写，这不仅抹杀了系统的贡献，也扭曲了真正人类智力劳动的本质。因此，OpenAI采取了一种透明且负责任的做法：人类研究员协助撰写了论文手稿，并在Lean语言中对这些证明进行了形式化验证，对其正确性负责；然而，这些数学论证本身均由OpenAI的系统生成。这一做法为AI辅助科研的学术规范树立了新的标杆。

具体来看，这十项进展覆盖了数学和理论计算机科学的多个核心领域。在高维球体堆积问题中，OpenAI给出了球体堆积密度新的上界，并将其界限收紧至Cohn-Elkies阈值，这对于理解高维空间的几何结构具有重要意义。在二进制与球面码方面，模型在任意给定的最小距离下，对二进制码最大规模的界限实现了指数级的改进，并在高维球面码上取得了类似结果，这直接影响到编码理论和通信系统的设计。

群论领域同样收获颇丰。OpenAI提出了一种构造方法，证明了非柔性群的存在性，解答了群论中的一个核心未解问题；同时，证伪了康纳斯刚性猜想，该猜想长期认为某些群可由它们的冯·诺依曼代数唯一确定。这些成果深化了人们对群结构和算子代数的理解。

在计算复杂性方面，模型在算术电路复杂性上得出了新的下界，其中包含一个阶数为n4/log n的算术公式下界，这对于理解积和式等关键计算问题的难度至关重要。此外，OpenAI还提出了一种适用于通用两方量子博弈的指数级平行重复定理，扩展了经典复杂性理论中的一项基本原则，为量子计算和密码学提供了新的理论工具。

与后量子密码学紧密相关的最近向量问题也取得了突破：模型确立了该问题在多项式因子上的近似困难度，这是一个基础格问题，对于构建抗量子攻击的加密系统具有直接应用价值。埃尔哈特体积猜想在所有维度中得到了解决，确定了以凸体质心为唯一内部格点的凸体可能拥有的最大体积。多色拉姆齐数给出了超指数级下界，解决了埃尔德什问题183；极值数猜想则在极值图论中的紧凑性与退化性猜想上取得了新成果，解决了埃尔德什问题146和180。

这些成果不仅展示了AI在解决理论难题上的能力，也为相关领域的未来研究开辟了新的方向。OpenAI表示，将继续探索AI在科学发现中的应用，同时坚持学术诚信和透明性。随着AI技术的不断进步，我们或许将见证更多人类智慧与机器智能协同攻克科学难题的时刻。