OpenAI在9月8日宣布，內部AI模型提出了困擾數學界約90年的Navier-Stokes難題的證明。但這項成果隨即引發爭議：一名紐約大學教授質疑，OpenAI聽到他們的研究進展後，投入大量算力搶先完成，協商時還要求排除他的合作者，並說出「你為什麼要毀掉自己的職涯？」
OpenAI否認曾直接查看兩人的未公開研究，也否認為了解題而存取特定使用者資料。不過，公司表示，無法完全排除兩人使用產品時留下的去識別化資料，曾幫助改進模型。
這次爭議的核心因此有兩個：AI是否真的跨過了重要的數學門檻？研究者把未公開成果交給AI協助時，會不會反而幫助提供工具的公司搶先一步？
OpenAI解了什麼？
Navier-Stokes方程式用來描述水和空氣如何流動，飛機設計、天氣預報都會用到。數學家長年想知道：這組方程式會不會在某些情況下，算出「流速無限大」這種現實中不可能的結果？
克雷數學研究所（Clay Mathematics Institute）將它列為七大千禧年大獎難題之一，懸賞100萬美元（約新台幣3,154萬元）求解。
OpenAI表示，模型找到了一個符合題目條件的數學例子，答案是「會」。但這個例子需要加入特定外力，並不代表沒有外力時，問題也已解開。
依OpenAI公布的資料，找到證明的一組約有1萬個AI代理同時工作。這些代理能讀資料、執行程式，也能彼此交換進展。團隊啟動約88小時後得到結果，再花17小時用Lean驗證工具檢查推理。
OpenAI已公開證明與驗證程式碼，並表示不申請獎金。截至2026年9月9日，這份證明仍待數學界獨立審查。
學者為什麼不滿？
紐約大學數學教授Tristan Buckmaster和任職Anthropic的數學家Levent Alpöge，過去一年也在研究相關問題。這是兩人的私人合作，並非Anthropic的公司計畫。他們同時使用Claude和OpenAI的Codex等工具協助研究。
兩人沿著數學家Diego Córdoba與Luis Martínez-Zoroa提出的方向前進，8月15日取得突破，解出較簡化的Euler方程式在外力作用下的相關問題，8月22日通過Lean驗證。這是重要進展，但還不是OpenAI宣稱解出的完整題目。
Buckmaster說，9月初，數學圈開始流傳「Anthropic解開大難題」的消息。他在9月3日寫信給OpenAI澄清，9月6日與OpenAI人員通話時，卻得知對方已取得Navier-Stokes的證明。
讓他起疑的是，OpenAI採用的也是外力這條研究路線。他認為，這個方向幾乎沒人在做，很難只是把題目交給AI，幾天內就找到。
據Buckmaster轉述，OpenAI最後承認，最初的指令是在得知兩人研究進展後才送出的。
「你為什麼要毀掉自己的職涯？」
接下來，爭議從研究成果轉向作者署名。
Buckmaster說，OpenAI提出的方案之一，是讓他單獨撰寫介紹OpenAI成果的論文，註明題目由OpenAI模型解出。他指OpenAI數學團隊負責人Sébastien Bubeck兩度要求排除Alpöge，並暗示原因與Alpöge任職Anthropic有關。
Buckmaster拒絕，並表示如果OpenAI照這個方式發布，他會公開協商過程。據他轉述，對方回答：「你為什麼要毀掉自己的職涯？」
他也追問，OpenAI是否拿兩人放進Codex的研究草稿訓練模型。對方說模型不會查看使用者資料，但他再次詢問訓練問題時，沒有得到回答。
Buckmaster在美東時間9月7日深夜、OpenAI公告之前，公開了這段經過。不過，他也明確表示，自己不知道研究資料是否被使用，並未證實OpenAI挪用了成果。
OpenAI如何回應？
OpenAI表示，團隊確實在9月1日聽到數學難題被解開的傳聞，因而決定測試新模型，但事後才知道傳聞與Buckmaster和Alpöge有關。
公司說，研究員和AI在兩人公開成果前，都沒有看過他們的研究，也沒有為了解題而存取特定使用者資料。至於兩人使用產品留下的去識別化資料是否曾幫助改進模型，OpenAI表示機率不高，但無法完全排除。
兩者的差別是，OpenAI否認直接讀取草稿來解題，但沒有完全排除資料曾間接影響模型。Bubeck也否認要求除名。據《VentureBeat》報導，他為涉及職涯的措辭致歉，表示已當場收回。
AI工具，也可能成為研究競爭者
這件事讓研究者面對一個新問題：當提供AI工具的公司，也有能力投入大量算力做研究，使用者該如何放心分享尚未完成的成果？
陶哲軒（Terence Tao）在Mathstodon提出的擔憂是，即使只是研究進展的傳聞，也可能引來大量AI算力搶先完成。長此以往，研究者可能更不願分享有前景的方向。
Buckmaster則認為，比署名爭議更值得討論的，是數學家與AI合作的能力已經走到哪裡。當過去可能耗費多年心力的研究，能在更短時間內完成，如何培養學生、分配功勞，以及判斷什麼研究值得投入，都需要重新討論。
資料來源：OpenAI官方部落格、Tristan Buckmaster聲明、《Scientific American》、《TechCrunch》、《財星》、《Engadget》、《VentureBeat》、陶哲軒Mathstodon貼文
本文初稿為AI編撰，整理．編輯/ 李先泰
