OpenAI一次性开源722篇数学成果，该不该踩刹车？

10月6日，OpenAI（美国开放人工智能研究中心）一举开源了722篇数学成果，令学术界为之侧目。这些成果出自一个尚未对外发布的内部模型，涵盖了大量长期悬而未决的数学难题，而平均每项成果所耗费的推理算力仅约3小时。

真正引发关注的，并非AI又攻破了多少道数学题，而在于AI输出答案的速度，已然超越了人类理解与验证答案的速度。有学者因此感慨，这一规模“既令人惊叹，又令人沮丧”，甚至有不少学者主张为AI“踩刹车”，将学术研究重新交还给数学家。

OpenAI一次性开源了722篇数学成果。

就在刚刚过去的9月，“踩刹车”一度成为AI行业的高频词汇。

9月12日，美国人工智能公司Anthropic（安特罗匹克）公开呼吁全行业放缓模型迭代节奏，并警告称，若缺乏必要的防护措施，AI智能体集群可能在未来6至12个月内面临失控风险。OpenAI也曾对最新模型的发布计划做出调整。

然而，警告声犹在耳畔，竞赛的步伐却并未停歇。

几乎在同一时期，OpenAI发布了700多篇数学成果，Anthropic和谷歌也接连推出新模型。据预计，今年美国AI基础设施支出将突破7000亿美元，同比增长超过70%，可见AI行业的竞争仍在持续提速。

为什么人人都说应该慢下来，却没有谁敢于真正放慢脚步？这正是典型的“囚徒困境”。

目前，AI领域尚未形成绝对领先的技术壁垒。谁先踩下刹车，谁就可能拱手让出下一轮技术竞争的主动权。尽管风险人人都看得见，但没有人愿意做第一个停下来的人。

那么，AI究竟该不该放缓？真正该放缓的，从来不是技术进步本身，而是缺乏约束的“裸奔”。

一个容易被忽视的细节是，OpenAI承认这批数学成果中，仍有部分证明未经严格检验。试想，连数学这种最讲究对错、最易于验证的领域，都开始盛行“先发布、后检查”的做法，那么对于直接涉足医疗、金融等高敏感领域的AI行业而言，又如何能够赢得公众的信任？

答案不能仅仅寄望于企业自律，而应当把“刹车”嵌入制度之中。

首先，独立第三方安全评估应成为前沿模型上线前的必要环节。其次，全球应探索建立可核查的协调机制，以尽可能减轻“单方面放缓”所带来的竞争压力。最为关键的是，要明确大模型发布者的验证义务与追责责任，坚持“谁开发谁验证，谁发布谁负责”。

722篇数学成果表明，AI在部分领域的发展正在突破人类的运算极限。

越是在这样的关键节点，越不能将技术发展与安全治理对立起来。我们并非要求AI放慢进步的脚步，而是要确保每一次进步都处于人类能够理解、验证和约束的范围之内。

（文章来源：上观新闻）

(原标题：722篇数学成果一次性开源，OpenAI该不该踩刹车？| 财经时评)

(责任编辑：126)