数学研究领域正迎来一场由人工智能驱动的变革。OpenAI近日宣布，其研发的下一代模型Astra内部版本在多个数学难题上取得突破性进展，一次性解决了十个长期悬而未决的开放问题，涵盖高维几何、量子计算、密码学等前沿领域。这些成果中，部分问题已困扰学界数十年，最长的甚至超过三十年未有实质性突破。
据OpenAI披露，这十项成果涉及多个数学分支：在高维球体堆积问题中，模型将密度上界提升至接近理论极限的Cohn-Elkies阈值；在编码理论领域，模型对二元码最大规模已知界实现指数级改进；群论研究方面，模型首次构造出非sofic群，证实了这类数学对象的存在性；针对Connes刚性猜想，模型通过构造反例证明某些群无法由其冯·诺依曼代数唯一确定。模型还在算术电路复杂性、量子博弈论、后量子密码学等方向取得重要进展，包括证明最近向量问题在多项式近似因子下的计算困难性，这一结果直接关系到量子计算机时代密码体系的安全性。
整个研究流程展现了人工智能与人类科研的深度协作模式。Astra模型首先自主搜索问题解法并生成数学论证，随后人类研究者借助同一模型将原始论证整理为符合学术规范的论文，最终模型将每项证明转化为Lean证明证书——这种形式化验证工具能将证明拆解为机器可逐步检查的逻辑步骤。OpenAI特别强调，所有成果均通过形式化证明系统严格验证，确保数学严谨性。据测算，模型完成全部问题求解消耗的token成本约2000美元，按当前API价格计算。
此次突破并非孤立事件。今年5月，该团队曾利用AI发现Erdos单位距离猜想的反例，引发数学与理论计算机科学界的广泛关注。更值得关注的是，OpenAI近期宣布向全球10万名科研人员免费开放其最强ChatGPT模型，专门针对学术研究场景优化。这一举措被视为人工智能从辅助工具向研究主体转变的重要标志。
数学界对此反应热烈。有专家指出，当AI开始进入"研究无人区"——提出全新论证路径而非验证已有猜想时，数学研究的范式正在发生根本性转变。研究者需要重新思考问题选择标准：哪些问题适合交给机器探索？如何从海量机器生成结果中筛选出具有深层理论价值的发现？这种转变可能推动数学研究向更抽象、更高维度的领域拓展，同时要求研究者掌握新的跨学科技能。
