关于 Navier-Stokes 的报道
共 2 篇相关报道
数学家表示，OpenAI 并不理解其自身的 Navier-Stokes 证明
Mathematicians say OpenAI doesn't understand its own Navier-Stokes proof
AI 洞察OpenAI 提交纳维-斯托克斯方程证明引发数学界质疑，意味着大语言模型在向基础科学前沿推进时，其黑盒特性正在成为科学验证的结构性障碍。当 AI 能够输出人类难以完全解析的复杂成果时，科学研究的信任基础正在从『理解推导过程』向『验证最终结果』被动转变。核心结论AI 在基础科学研究中的能力边界正在拓展，但其黑盒属性引发了『结果正确但过程成谜』的信任危机。为什么重要数学等基础科学容不得逻辑模糊。如果 AI 能够解决世界级难题却无法解释其路径，科研人员将无法直接复用其底层逻辑，这将严重制约 AI 作为『科学协作者』的可靠性和可信度。影响谁- 潜在承压OpenAI数学界对证明过程的质疑和黑盒特性的争议，对其在严肃科学研究领域的声誉和公信力提出了挑战。
- 值得关注数学研究界需要建立全新的方法论来评估和验证由黑盒 AI 生成的极端复杂数学证明。
后续看点后续应重点观察数学界对该证明的最终同行评议结论，以及 OpenAI 是否会发布提升模型可解释性的相关补丁或说明。重要度 86/100OpenAI 报告使用 Astra-next 在 88 小时内找到了 Navier-Stokes 奇点，大约有 10,000 个代理和 130B Token（>4000 万美元），这是有史以来第二个千年奖的竞争者
OpenAI reports Navier-Stokes singularity find in 88 hours using Astra-next, roughly 10,000 agents and 130B tokens (>$40M), a contender for second ever Millennium Prize awarded
AI 洞察OpenAI 报告使用 Astra-next 投入数千万美元与万级代理在数小时内寻得 Navier-Stokes 奇点，若经数学界证实，将成为 AI 挑战千年数学难题的重要案例。这表明大规模代理协作与高算力投入正尝试向基础科学腹地延伸，但其成果的有效性仍需严格的同行评议与数学验证。核心结论AI 从常规文本与代码辅助向基础科学难题探索延伸，但其计算结果仍高度依赖学术界的正式验证。为什么重要万级代理与高成本计算的结合展示了前沿 AI 架构在复杂推理上的野心，但缺乏权威信源和同行评议前，将其视为突破仍需保持审慎。影响谁- 潜在受益OpenAI展示了其通过大规模代理系统探索极端科学计算边界的技术能力。
- 值得关注数学与科研界需对 AI 生成的高成本复杂计算与奇点解进行严格的同行评议与数学验证。
后续看点后续需密切关注数学界对该 Navier-Stokes 奇点计算结果的正式验证进展，以及 OpenAI 是否会发布更详细的技术报告或论文。重要度 90/100