数学界与OpenAI矛盾彻底爆发,陶哲轩联手顶尖学者自建开源AI

匡一瑶 匡一瑶 初级编辑 · · 阅读 76
摘要

因不满OpenAI占用学术数据与夸大解题成果,陶哲轩等数学家正自建开源AI与独立平台。

数学界与OpenAI矛盾彻底爆发,陶哲轩联手顶尖学者自建开源AI

2026年11月20日周五,数学学术界与大型商业人工智能公司之间的矛盾彻底摆上了台面。此前OpenAI高调宣布利用人工智能模型攻克了多道数学难题,这一消息非但没有在学界收获预期的掌声,反而引发了一场关于研究成果归属、数据使用权限以及AI解题真正价值的激烈争论。越来越多的顶尖数学家认为,商业科技巨头正在将严肃的数学研究成果转化为商业产品和营销素材,却没有给予学术界应有的尊重与权益保障。在这场风暴中,以加州理工学院教授Sergei Gukov和菲尔兹奖得主、加州大学洛杉矶分校教授陶哲轩为代表的学者们,决定不再依赖商业公司,而是从零开始构建属于数学家自己的开源AI模型和独立协作平台。

为什么原本应该互相成就的科技巨头与基础科学界,会走到今天这样剑拔弩张的地步?要理解这场冲突的本质,可以把当前双方争夺的核心拆解为两个关键部分,第一个部分是AI生成内容的学术含金量,第二个部分则是底层研究数据的控制权。

2026年10月,OpenAI对外宣布其最新模型成功攻克了多道多年悬而未决的数学难题。在外界看来,这是人工智能推理能力的一次重大飞跃。但数学界的反应却异常冷淡。不少一线研究人员指出,OpenAI发布的这些解答缺乏真正的学术价值。更让学者们感到困扰的是,商业大模型生成的推导过程往往冗长且充满跳跃,人类数学家甚至需要花费整整几周的宝贵时间,去逐行验证AI的推导过程是否严谨、是否真的在逻辑上闭环解决了问题。

加州理工学院数学博士生、反AI立场鲜明的Substack博主Tasmin Chu对此给出了极为严厉的评价。Tasmin Chu称,OpenAI发布的这些所谓解答其实就是废料。Tasmin Chu认为,OpenAI的这一系列高调宣传,本质上是在利用数学领域的研究成果为自身制造商业声势和融资噱头,而不是真正为了推动人类数学研究的发展。

为了帮市场更直观地理解数学家们的愤怒,这里可以用一个日常科研场景来举例说明。这就好比一位建筑师花费数年时间设计了一座复杂桥梁的结构草图,为了验证其中某一个局部的承重参数,他借用了一家商业公司的计算软件。结果这家软件公司不仅在后台偷偷记录了建筑师输入的所有核心设计思路,还在第二天召开新闻发布会,宣称自家的软件独立攻克了世界级桥梁设计难题,最后丢给建筑界一堆机器生成的、连基本力学逻辑都需要人工花几个月去排错的图纸。在这样的局面下,真正付出心血的学者自然会感到心寒。

除了学术价值的争议,数据使用权限问题更是直接点燃了学界的怒火。此前就有两位数学家公开指控OpenAI,称其在未经授权的情况下,擅自使用了他们与AI系统的聊天记录,以此来辅助求解著名的纳维-斯托克斯问题。纳维-斯托克斯方程是流体力学领域的千禧年大奖难题之一,任何一点思路的突破都凝聚着学者多年的心血。这一事件让整个数学界产生了深深的危机感,市场开始意识到,学者们与商业AI系统交互时的每一次提问、每一次推导尝试,都可能在毫不知情的情况下,沦为商业公司训练下一代私有大模型的数据燃料。

Tasmin Chu表示,当前数学家们自主开发AI系统的行动,本质上是一场争夺生产资料所有权的斗争。不过Tasmin Chu也表示,这一趋势最终会向什么方向演进,目前仍有待观察。

既然商业巨头靠不住,数学家们决定自己动手丰衣足食。在美国加州理工学院的实验室里,Sergei Gukov教授正带领着一支由少数精干学生组成的团队,专门设计并训练面向数学研究的开源AI模型。Sergei Gukov透露的数据显示,他们团队自主研发的这些小型开源模型,其实在早些时候就已经率先解决了OpenAI在10月份高调宣称攻克的部分数学难题。

当然,学术界自建模型也并非一帆风顺,客观上的算力与能力限制依然存在。Sergei Gukov在谈到自建模型与商业大模型的区别时,用了一个非常形象的比喻。Sergei Gukov表示,实验室自建的数学模型就像是一辆法拉利跑车,它在特定的专业赛道和特定任务上性能极其出色,速度惊人,但却难以满足普通用户在复杂路况下的广泛日常需求。

通过前后对比可以更清晰地看清这两套技术路径的差异。以前学者们使用的Anthropic或OpenAI等商业公司的模型,走的是通用大模型的路子,资金雄厚、算力庞大,具备很强的跨学科通用性,能够同时处理不同领域的宽泛问题,但缺点是数据黑箱操作,学者没有控制权。而现在Sergei Gukov团队开发的专业模型,大多是针对某一个特定类别的数学问题进行深度优化,一旦要求它进行跨领域的宽泛推理,能力就会明显受限。Sergei Gukov称,他的团队目前也正在努力开发通用能力更强的开源模型,只是眼下还没有完全准备就绪。尽管面临重重挑战,Sergei Gukov对AI参与数学研究依然保持着乐观与热情,他说道,当前的AI数学研究就像是哥伦布探索新大陆一样,充满了未知的探索空间,令人感到兴奋。

在自建模型之外,数学界内部对于如何对待AI也并非铁板一块,学者们在路线上存在着明显的分歧。以Tasmin Chu为代表的传统派学者,依然希望尽可能保持纯粹的人类传统研究方式。Tasmin Chu认为,完全不依赖AI开展数学研究不仅是一种学术坚持,而且在现实中依然是一条走得通的路径。与此同时,另一批年轻的数学家则对新技术抱有极高的热情,他们认为AI有可能为停滞不前的数学难题带来突破性视角,甚至将其视为彻底改变现有科研模式的重大契机。

面对学界内部的分裂以及外部商业巨头的步步紧逼,菲尔兹奖得主陶哲轩选择站出来,试图在传统研究与前沿技术之间寻找一个完美的平衡点。近期,陶哲轩在加州理工学院正式展示了一个名为Open Math OS的全新平台,这个平台是由他创立的非营利机构推动建立的。

这个Open Math OS平台到底是什么?简单拆解来看,它把最前沿的开源AI模型、庞大的云计算资源以及数学家日常所需的数字化协作工具全部整合到了一个屋檐下。这个平台最核心的制度设计在于,它把数据控制权完完全全交还给了数学家自己。在这个平台上,研究数据如何使用、是否用于模型训练、研究成果如何署名与分享,全部由数学家自主决定,彻底斩断了商业AI公司暗中攫取学术数据的伸手通道。

从Sergei Gukov实验室里打造的法拉利级专业模型,到陶哲轩全力推动的Open Math OS自主协作平台,全球顶尖的数学家们正在合力构建一套独立于硅谷商业巨头之外的技术生态体系。这场反击战的核心诉求非常明确,学界不仅需要让AI真正成为辅助解决数学难题的得力工具,更要死死守住对基础研究数据、人类知识成果以及成果使用方式的绝对控制权。

随着人工智能在基础科学研究中的渗透率越来越高,商业大模型凭借资金与算力建立起的技术垄断,与学术界捍卫数据自主权之间的博弈还将长期持续下去。当算力试图垄断人类的最高智慧时,真正的学者选择自己锻造工具,因为科学探索的灵魂永远不应该成为商业巨头的私有财产。

声明:本文由入驻BH观察站编者上传,观点仅代表编者本人,不代表BH观察站赞同其观点或证实其描述,请自行判断。

匡一瑶

匡一瑶

初级编辑

已发布 1017 篇 · 累计阅读 1670844

TA的文章