新智元报道
说真的，人类科学史今夜彻底改写了！
就在刚刚，OpenAI一口气连放三弹，官宣内部AI独立完成三大堪称「里程碑」新发现——
数学： 证明全维度的「局部平滑猜想」，彻底终结困扰数学界百年的「挂谷猜想」；
计算机科学：证伪了统治学界近30年的「指数时间假设」（ETH）；
理论物理：给出了四维量子色动力学（QCD）与纯杨-米尔斯理论的严格数学存在性证明。
消息一出，整个硅谷和学术圈彻底炸锅。
挂谷猜想曾困扰了数学家们整整一个世纪，也是菲奖得主王虹的主攻领域。
但三弹里，真正让圈内人倒吸一口凉气的，是「指数时间假设」（ETH）。过去三十年里，全球计算机科学界都一致默认ETH是对的。
这一被计算机科学家奉为铁律的假设，数百篇论文都建在它上面，如今直接被AI一夜推翻。
最离谱的是速度，从拿到证明，到机器逐行验证完毕，AI只用了一天。
而且，负责审AI答卷的，正是当年亲手出题的人，诺奖得主亲自带队验算。
诺奖得主David Gross更是惊叹道，「对于不了解的人来说，ETH这一假设被证伪非常令人惊讶，影响太深远了」。
清华校友陈立杰忍不住感慨，指数时间假设是错的！
30年铁律塌了
数百篇计算机论文地基动摇
先说一个所有程序员都绕不开的问题：可满足性问题（SAT）。
给到一堆逻辑条件，问有没有一组取值能让它们同时成立。它是NP完全问题的祖师爷，和「P与NP」这个千禧年难题血脉相连。
上世纪90年代末，Russell Impagliazzo和Ramamohan Paturi提出了「指数时间假设」：3-SAT这类问题，不可能在「亚指数时间」内被解决，最快也得是2的cn次方量级。
这个假设没人证明过，但几乎所有人都相信它。
于是，过去近30年里，研究者不断把别的问题和它联系起来。图论、数据库、计算几何、计算生物学中，数百篇论文借助ETH划定算法能有多快的边界。
结果就在今天，AI直接证明，这一切错了。
OpenAI公开的计算机论文，标题只有一个毫不含糊的结论——《指数时间假设是错的》。
这份67页手稿提出的算法，甚至要精确数出一个3-SAT公式有多少组满足条件的赋值。只要这个数量大于零，公式有没有解，也就一起回答了。
可以把3-SAT理解成一大堆互相牵制的开关规则：每条规则涉及三个取值为真或假的变量，任务是找到一种赋值，让所有规则同时成立。
难处在于，变量一多，可能的组合就会爆炸。ETH认为，在最坏情况下，求解时间绕不开随变量数增长的指数级代价。
论文主张把增长速度降到次指数级，距离多项式时间仍有差距，所以反驳ETH不等于证明P=NP，也不能直接翻译成所有难题明天就能秒算。
OpenAI同样明确，要把理论变成实际提速，还需要大量后续研究。
为了验证这个惊世骇俗的结论，OpenAI甚至直接把提出ETH的祖师爷本人请出山了！
Impagliazzo和Paturi，以及MIT著名复杂度理论大神Ryan Williams亲自挂帅。今早，Williams已公开给出论文链接和其中的时间复杂度主张。
他们花了近30年研究的一条计算极限，如今迎来AI递来的反证。
同样，OpenAI内部AI仅用一天完成了证明。在10月16日得到自然语言反驳，17日完成Lean形式化。
这里的一天，是两种证明形态之间的转换间隔；决定结果能否站住的公开审查，现在正由这群专家接手。
现OpenAI理论计算机与数学家Sebastien Bubeck惊叹道，亚指数时间内的3SAT，是自己关注理论计算机科学20年来见过的最大惊喜。
他至今还记得25年前看到3和2在复杂度上能带来多大天壤之别时的那种震撼。
网友Peter Gostev调侃，行吧，那现在P与NP问题的胜率赔率是多少。
全维度通关！
世纪挂谷猜想被AI一锅端
先来看OpenAI的第一大发现，落在了纯数学最核心的腹地——谐波分析（Harmonic Analysis）。
在数学界，有一个著名的百年难题，叫做「挂谷猜想」（Kakeya conjecture）。
1917年，日本数学家挂谷宗一提出了一个问题：在平面上把一根长度为1的针掉个头，旋转180度，至少需要扫过多大的面积？
直觉告诉你，画个圆就行。
但1928年，数学家贝西科维奇给出了一个反直觉的答案：面积可以任意小，小到趋近于零。
问题没有就此结束，反而越挖越深。数学家转而追问：一个包含所有方向线段的集合，面积可以是零，但它的「维度」能不能也被压缩？
这就是挂谷猜想，它断言，在n维空间里，这样的集合必须是满维度的。
这个看似幼稚的问题，后来被证明连着调和分析、偏微分方程、数论和组合学的神经中枢。
熟悉的人都知道，2019年，Guth、王虹、张瑞祥证明了二维的局部平滑猜想；2025年，王虹与Joshua Zahl攻克三维挂谷猜想，轰动整个数学界。
而这一次，OpenAI的模型直接把「局部平滑猜想」推到了所有维度。
这个猜想由Sogge在1991年提出，它想象不同方向的波在一个时刻聚到一起，局部强度突然冲得很高。
猜想要抓住的规律是，这种最极端的聚焦持续不了太久；把一段时间放在一起考察，平均后的集中程度，会比最坏瞬间温和得多。
这条规律牵动着一整片分析学。OpenAI称，模型用一种新的辅助偏微分方程，给出了所有空间维度n≥2的证明。
它是一座「母猜想」，一旦成立，挂谷猜想和Stein限制猜想会像多米诺骨牌一样全部倒下。
后者研究把傅里叶变换限制到某些曲面上时，仍能保持怎样的估计，与波如何传播、如何集中密切相关。
从10月18日拿到自然语言证明，到第二天完成Lean形式化验证，AI只用了一天。
这项结果的分量，在于用一个更上游的分析工具，带动一整组长期难题。
诺奖得主带队
千禧年物理圣杯被撕开
理论物理的工作组，由David Gross领衔。
1973年，他参与发现了渐近自由：在极短距离、极高能量下，强相互作用反而变弱。这一发现帮助确立量子色动力学，也让他与另外两位科学家分享了2004年诺贝尔物理学奖。
如今，他要参与理解和审查的，是AI针对这套理论数学基础交出的证明。
量子色动力学，简称QCD，描述夸克与胶子之间的强相互作用。纯杨–米尔斯理论则去掉夸克等物质场，保留胶子这类规范场的自相互作用。
物理学家早已用量子场论解释和计算大量现象，但要在四维时空里，把这些相互作用严格构造成数学对象，仍是艰深的基础问题。公式能给出成功的计算，与整个理论获得完整的数学构造，是两层不同的工作。
OpenAI称，这次模型沿着构造性量子场论中Balaban的方法，给出了某些四维规范场与费米子理论的存在性证明，范围包括QCD，以及一种包含标准模型规范场和费米子的大统一补全。
其中，纯杨–米尔斯理论的存在性，正好触及千禧年大奖难题的一部分。Clay要求的完整答案还包括正质量间隙，也就是非真空激发的能量不能无限贴近真空；本次公告没有宣布解决这一部分。
与Gross一起入组的，还有Michael Douglas、Arthur Jaffe、Igor Klebanov和Nikita Nekrasov。Jaffe当年与Edward Witten共同写下了这道千禧年问题的正式题述。
这份名单的分量，在于有人奠定过相关物理理论，有人亲手定义了悬赏问题，而现在，他们正在共同面对机器提出的新论证。
模型9月9日给出杨–米尔斯存在性证明，9月18日给出QCD证明。
由于篇幅与复杂程度，OpenAI等到10月16日完成杨–米尔斯存在性的Lean形式化后，才推进这次合作。
半个世纪前帮助人类理解强相互作用的科学家，如今接过AI的答卷，继续追问物质世界最底层的数学结构。这份跨越几代人的接力，已经足够让人感到科学史的重量。
OpenAI放弃署名，砸500万美金
也正因为结果太大，OpenAI这次把这三份手稿定位为「原始科研数据（raw research data）」。
为了将其转化为科学理解，它首次试验了三种外部学界牧羊人协作模式。
数学结果公开AI手稿与Lean代码；计算机科学结果公开手稿与Lean代码并组建专家组；而物理天团决定暂不公开AI原始产物，由五位大师先闭门研读并亲自撰写阐述论文。
四种协作原则写得很清楚。
第一，透明，不要求签署任何保密协议。
第二，不争学术署名，OpenAI不为内部模型产出的原始发现寻求学术署名。
第三，认可阐释，工作组因其发展出的科学理解、撰写的阐释论文以及准确追溯前人思想而获得学术认可。
第四，独立无偿，自愿且无偿参与，学者完全独立得出结论。
OpenAI向Simons Foundation出资500万美元，Simons基金会联合OpenAI、Anthropic共投入1500万美元资金与算力资源，资助研讨会、会议与专项计划，帮助科学家独立审查、理解并拓展AI生成的科学发现。
目前`openai/math`仓库已收录由OpenAI未公开内部模型产出的721篇手稿，归为373个结果族。模型在约4000个开放研究问题上进行评测，平均每个结果消耗约3小时ChatGPT Pro级别的深度思考算力，目前约42%的顶层结论已完成Lean形式化。
三年前的预言
AI不会取代学科，而是重塑学科
OpenAI研究员、宾大沃顿商学院及计算机/数学系教授苏炜杰在X上晒出了自己3年前的演讲PPT。
PPT第4页写着，完全信息工作（输入输出明确、边界清晰）最易受AI冲击，除了程序员、会计，还特别点名「也许还有理论计算机科学家、理论物理学家和（纯）数学家」。
苏炜杰感慨，当时在现场听他演讲的人里，几乎没人相信他的话。
回过头来看，「取代」这个词用得并不完全准确。AI不会取代任何学科。
相反，它将会从根本上重塑、而且已经在重塑各个学科，通过奖赏那些与真实世界挑战以及其他学科建立起深层连接的研究。
OpenAI总裁Greg Brockman在官宣里写道，AI已经开始帮助我们加深对宇宙的理解。
AI正从科研辅助工具迈向基础科学的原始发现者。
一旦成果通过验证，人类科研将进入「AI率先发现、人类验证理解」的新阶段。科学突破的速度与学术评价体系，都将迎来重塑。
参考资料：
https://openai.com/index/building-scientific-understanding-with-academic-communities/
编辑：摩西 桃子