OpenAI 發表 722 篇 AI 生成數學論文 — 三天內 3 篇撤回、14 篇修正，學術界反彈加劇

10 月 6 日，OpenAI 在 GitHub 上公開了一個驚人的成果：722 篇數學論文，涵蓋代數幾何、數論、數學物理等約 20 個領域，分為 372 個結果家族。這些論文全部由一個未公開的內部前沿模型生成——該模型不對外開放，OpenAI 甚至不願公布其名稱。

但僅過了一天，10 月 7 日，OpenAI 就不得不撤回其中 3 篇論文，並緊急修正 14 篇。原因是？一個最基本的數學錯誤——正負號（sign）寫錯了。這起事件迅速點燃了學術界對 AI 生成研究的信任危機。

發生了什麼？一個符號錯誤如何推倒三篇論文

被撤回的三篇論文都與霍奇猜想（Hodge Conjecture）——千禧年大獎難題之一——相關：

錯誤的細節非常簡單：在第一篇論文的一個關鍵論證中，模型使用了 +1 作為某個幾何操作的符號，但根據論文自身的約定，正確答案應該是 -1。一個正號與負號的差異，導致了「穩定化-跡抵消論證」失效——本應相互抵消歸零的計數變成了非零數，而論文依賴的核心定理恰恰要求這個計數為零。

這三篇論文屬於同一個結果家族（Repository Outcome Family 032），原本是這次發表中最受關注的成果之一。撤回後，該家族的名稱也從「所有射影 K3 曲面的霍奇與 Kuga–Satake 結果」更改為「CM 阿貝爾簇的理性霍奇猜想」。

這場爭議的核心不僅僅是 AI 犯了個數學錯誤。更深層的問題在於透明度的不對稱：

Lean 驗證只能確認一個證明在邏輯上是一致的，但它無法告訴你這套形式化是否正確對應了原來的數學陳述，也無法判斷該結果是否新穎或有意義。

MIT 教授 Andrew Sutherland 直言：「在你發布模型、讓人們能夠複現結果之前，所有宣稱都應被視為未經證實。」MIT 的 Dor Minzer 則稱這種做法為「新聞稿式數學（math by press release）」。

10 月 8 日，新成立的人類數學協會（Association for Human Mathematics, AHM） 發表了一份措辭強硬的聲明，稱 OpenAI 的發布「不是學術的展示，而是權力的展示」，並呼籲數學家停止與該公司的合作。

更諷刺的是，OpenAI 的顧問機構——數學與人工智慧諮詢小組（AGMAI）——此前曾明確建議各實驗室不要在專有模型上測試高級數學問題。OpenAI 卻以「透明度」為名繼續行動，同時拒絕公開模型本身。

菲爾茲獎得主陶哲軒（Terence Tao）在 Mastodon 上指出一個更深遠的擔憂：AI 正在將數學的「難度地貌」夷為平地——當所有問題都可以快速被 AI 解決，研究人員將失去判斷哪些問題真正值得投入的基準。

這起事件對香港的 AI 從業者和企業管理者有幾個關鍵教訓：

AI 輸出需要人類監督：即使是最先進的 AI 模型，仍然會犯最基本的錯誤——小到一個正負號。在任何高風險的 AI 應用場景（法律文件、財務合規、代碼審查）中，人類最終查核不可取代；
透明模型 vs 黑盒模型：OpenAI 使用內部專有模型且不公開推理過程，導致外部無法獨立驗證其成果。企業在選擇 AI 平台時，應優先考慮提供可審核、可重現結果的模型；
形式化驗證是重要的安全網：Lean 這樣的形式化驗證工具雖然昂貴且耗時，但對於關鍵應用的可靠性至關重要。企業在部署 AI 用於分析或生成具有法律或財務影響的內容時，應建立類似的形式化驗證／人工雙重檢查機制；
不要被規模迷惑：722 這個數字聽起來驚人，但數量不等於質量。企業在評估 AI 供應商時，應深入瞭解其模型在真實場景中的錯誤率、透明度和可解釋性，而非只看宣稱的能力範圍。

OpenAI 的 722 篇論文事件，表面上是學術界的一場風波，實質上凸顯了生成式 AI 在專業領域應用中的根本挑戰：當模型能大規模產出看似合理的結果時，如何確保這些結果的可靠性？這對香港任何正在或計劃將 AI 整合入專業工作流程的企業而言，都是一個值得深思的問題。