OpenAI 所稱的納維—斯托克斯方程成果，真正考驗的不只是 AI 解題有多快，而是數學界能否用足夠嚴謹的方式，跟上機器產生研究結果的速度。

OpenAI 表示，內部系統透過約 1 萬個彼此協作的代理，在 88 小時內產生分析證明與 Lean 形式化版本。若結果獲得確認，當然意義重大；但外部報導也指出，這項成果的問題設定與詮釋仍有爭議。314

OpenAI 究竟主張證明了什麼？

OpenAI 的說法是：在施加平滑外力的條件下，一個初始平滑、三維的流體系統，可以在有限時間內發展出奇異性；公司同時公開分析性證明及以 Lean 撰寫的形式化版本。3

關鍵在於「受外力」這個限定。納維—斯托克斯方程描述流體運動，而這項構造把外部作用力納入方程。爭論焦點正是：受外力的版本與許多數學家視為更自然核心的無外力版本，並不是同一件事。即使受外力設定中的證明在技術上正確，也不必然代表它解決了人們直覺上關心的所有流體「爆發」問題。214

因此，「已解決」可能有不同層次：它可以意指符合某個精確的形式化命題；但數學家還會追問，命題是否捕捉了原本想理解的現象、論證是否帶來新觀念，以及結果可推廣到多大範圍。

88 小時的成果，為何反而凸顯驗證壓力？

傳統重大證明往往要經過多年閱讀、挑錯、說明與吸收，才逐漸成為學界共同知識。若一套大規模代理系統能在極短時間內輸出長篇證明，外界審查其前提、原創性、適用範圍、重要性和表述品質的速度，未必能同步提升。

Lean 這類證明助理很有價值：它能確認形式化後的推論符合已編碼的邏輯規則。然而，形式驗證並不等於完整的學術審查。審查者仍須確認：

• 形式化的定理陳述，是否就是研究者原本聲稱的定理；
• 關鍵步驟和假設是否被正確地轉寫進系統；
• 結果對該領域究竟意味著什麼；
• 人類能否理解、質疑、教授並接續發展這套論證。

問題並不是「AI 產生的證明天生不可信」。相反地，機械驗證可以帶來很強的可靠性保障。真正的風險是，數學可能累積大量可由機器核對、但人類難以消化與運用的結果。對研究數學而言，人類理解不是包裝，而是驗證、概括與再利用知識的一部分。

當 1 萬個代理參與，作者與功勞如何歸屬？

大規模代理系統也讓傳統的作者署名變得不足以描述實際貢獻。一項成果可能同時依賴底層模型、代理編排系統、工程團隊、人類數學家的監督、證明助理工具，以及既有研究文獻。

這不表示無法歸屬，而是需要更清楚的揭露：哪些人界定問題與檢查成果、哪些系統生成候選論證、哪種形式化工具參與驗證，以及成果建立在哪些既有工作之上。若只把最後產物冠上一個簡化的作者名單，容易掩蓋整個研究流程。

「解出超過 100 題開放問題」仍待公開檢視

OpenAI 相關報導也提到超過 100 個數學開放問題，但有報導指出，完整題目清單尚未公開。若沒有明確問題陳述、證明內容與獨立評估，這類說法應被視為等待公開審查的報告結果，而非已獲共同體承認的突破清單。3942

同樣地，任何涉及千禧年大獎等高度矚目問題的進一步推測，都需要格外透明的證據。因為公告造成的公共影響，可能遠快於專家檢查證明的能力。

新顧問小組要做什麼？

「數學與人工智慧顧問小組」（Advisory Group on Mathematics and Artificial Intelligence）由普林斯頓高等研究院（Institute for Advanced Study，IAS）主辦，並自稱獨立於 AI 公司。其目標是就 AI 公司如何與數學研究及數學社群互動提供意見，尤其是如何負責任地呈現與發布數學成果。35

OpenAI 表示，該小組將就新結果的重要性評估、對外傳播協調、學術與專業標準提供建議，也會討論 AI 工具如何支援數學研究與學習。34

已公布的成員包括 François Charles、Camillo De Lellis、Timothy Gowers、Martin Hairer、Nikhil Srivastava、Ulrike Tillmann、Ravi Vakil、Edward Witten 與 Melanie Matchett Wood。35

獨立性有其意義，也有明確界線

小組的設計，是為數學家、AI 公司與公眾之間建立溝通渠道。小組表示，成員不支領報酬、可以主動提出未受邀的建議，並打算公開發布建議內容。35

在實務上，它可就 AI 生成數學成果的審查、溝通、發布協調與專業標準提出意見。當一家公司準備披露大量、且外界不易迅速核對的結果時，這些功能確實重要。3435

不過，小組不是學術期刊、監管機關，也不是具最終裁決權的證明驗證單位。它對 OpenAI 或其他 AI 公司沒有決策權，不能強制公司公開證明或相關材料。42 它能改善負責任評估的條件，卻無法取代獨立同儕審查。

真正的門檻：從機器輸出變成共享的數學

這個顧問小組的出現，至少承認了一點：數學發現不只是技術問題，也有共同體的規範。未來的核心問題不僅是 AI 能否產生有效的形式化論證，而是這些論證能否成為透明、可獨立檢查、具概念價值的公共知識。

對日後 AI 數學成果，較可靠的標準其實很直接：公開精確命題；在可行情況下公開證明與形式化版本；說明 AI 系統在研究中的角色；讓外部研究者能獨立檢查；並避免把公司的公告直接等同於數學界的接受。

這套程序也許比一次 88 小時的代理運算慢得多，但一項宣稱，正是透過這個過程，才會真正成為數學。

OpenAI 所稱的納維—斯托克斯方程成果，真正考驗的不只是 AI 解題有多快，而是數學界能否用足夠嚴謹的方式，跟上機器產生研究結果的速度。

OpenAI 表示，內部系統透過約 1 萬個彼此協作的代理，在 88 小時內產生分析證明與 Lean 形式化版本。若結果獲得確認，當然意義重大；但外部報導也指出，這項成果的問題設定與詮釋仍有爭議。314

OpenAI 究竟主張證明了什麼？

OpenAI 的說法是：在施加平滑外力的條件下，一個初始平滑、三維的流體系統，可以在有限時間內發展出奇異性；公司同時公開分析性證明及以 Lean 撰寫的形式化版本。3

關鍵在於「受外力」這個限定。納維—斯托克斯方程描述流體運動，而這項構造把外部作用力納入方程。爭論焦點正是：受外力的版本與許多數學家視為更自然核心的無外力版本，並不是同一件事。即使受外力設定中的證明在技術上正確，也不必然代表它解決了人們直覺上關心的所有流體「爆發」問題。214

因此，「已解決」可能有不同層次：它可以意指符合某個精確的形式化命題；但數學家還會追問，命題是否捕捉了原本想理解的現象、論證是否帶來新觀念，以及結果可推廣到多大範圍。

88 小時的成果，為何反而凸顯驗證壓力？

傳統重大證明往往要經過多年閱讀、挑錯、說明與吸收，才逐漸成為學界共同知識。若一套大規模代理系統能在極短時間內輸出長篇證明，外界審查其前提、原創性、適用範圍、重要性和表述品質的速度，未必能同步提升。

Lean 這類證明助理很有價值：它能確認形式化後的推論符合已編碼的邏輯規則。然而，形式驗證並不等於完整的學術審查。審查者仍須確認：

• 形式化的定理陳述，是否就是研究者原本聲稱的定理；
• 關鍵步驟和假設是否被正確地轉寫進系統；
• 結果對該領域究竟意味著什麼；
• 人類能否理解、質疑、教授並接續發展這套論證。

問題並不是「AI 產生的證明天生不可信」。相反地，機械驗證可以帶來很強的可靠性保障。真正的風險是，數學可能累積大量可由機器核對、但人類難以消化與運用的結果。對研究數學而言，人類理解不是包裝，而是驗證、概括與再利用知識的一部分。

當 1 萬個代理參與，作者與功勞如何歸屬？

大規模代理系統也讓傳統的作者署名變得不足以描述實際貢獻。一項成果可能同時依賴底層模型、代理編排系統、工程團隊、人類數學家的監督、證明助理工具，以及既有研究文獻。

這不表示無法歸屬，而是需要更清楚的揭露：哪些人界定問題與檢查成果、哪些系統生成候選論證、哪種形式化工具參與驗證，以及成果建立在哪些既有工作之上。若只把最後產物冠上一個簡化的作者名單，容易掩蓋整個研究流程。

「解出超過 100 題開放問題」仍待公開檢視

OpenAI 相關報導也提到超過 100 個數學開放問題，但有報導指出，完整題目清單尚未公開。若沒有明確問題陳述、證明內容與獨立評估，這類說法應被視為等待公開審查的報告結果，而非已獲共同體承認的突破清單。3942

同樣地，任何涉及千禧年大獎等高度矚目問題的進一步推測，都需要格外透明的證據。因為公告造成的公共影響，可能遠快於專家檢查證明的能力。

新顧問小組要做什麼？

「數學與人工智慧顧問小組」（Advisory Group on Mathematics and Artificial Intelligence）由普林斯頓高等研究院（Institute for Advanced Study，IAS）主辦，並自稱獨立於 AI 公司。其目標是就 AI 公司如何與數學研究及數學社群互動提供意見，尤其是如何負責任地呈現與發布數學成果。35

OpenAI 表示，該小組將就新結果的重要性評估、對外傳播協調、學術與專業標準提供建議，也會討論 AI 工具如何支援數學研究與學習。34

已公布的成員包括 François Charles、Camillo De Lellis、Timothy Gowers、Martin Hairer、Nikhil Srivastava、Ulrike Tillmann、Ravi Vakil、Edward Witten 與 Melanie Matchett Wood。35

獨立性有其意義，也有明確界線

小組的設計，是為數學家、AI 公司與公眾之間建立溝通渠道。小組表示，成員不支領報酬、可以主動提出未受邀的建議，並打算公開發布建議內容。35

在實務上，它可就 AI 生成數學成果的審查、溝通、發布協調與專業標準提出意見。當一家公司準備披露大量、且外界不易迅速核對的結果時，這些功能確實重要。3435

不過，小組不是學術期刊、監管機關，也不是具最終裁決權的證明驗證單位。它對 OpenAI 或其他 AI 公司沒有決策權，不能強制公司公開證明或相關材料。42 它能改善負責任評估的條件，卻無法取代獨立同儕審查。

真正的門檻：從機器輸出變成共享的數學

這個顧問小組的出現，至少承認了一點：數學發現不只是技術問題，也有共同體的規範。未來的核心問題不僅是 AI 能否產生有效的形式化論證，而是這些論證能否成為透明、可獨立檢查、具概念價值的公共知識。

對日後 AI 數學成果，較可靠的標準其實很直接：公開精確命題；在可行情況下公開證明與形式化版本；說明 AI 系統在研究中的角色；讓外部研究者能獨立檢查；並避免把公司的公告直接等同於數學界的接受。

這套程序也許比一次 88 小時的代理運算慢得多，但一項宣稱，正是透過這個過程，才會真正成為數學。