OpenAI 开科学博客:把“AI 做出来的证明”摆上台面
Our new blog for science
新博客面向科学家,讲发现、方法与局限;开篇回顾了 Navier–Stokes、准黎曼猜想、波聚焦与量子场论数学基础等结果,也承认这些工具正在改变“谁来做检查、谁来署名”。
OpenAI 上线科学博客,定位不是产品发布,而是让科学家和学术研究者讲自己用 AI 做了什么、怎么做、哪里会出错。栏目分三类:研究与发现、方法与实操指南、科学界视角;特别提到会说明如何核查结果,以及方法在什么条件下失效。
开篇列出的成绩单相当密集:9 月,一个内部系统给出了针对 Navier–Stokes 存在性与光滑性问题的证明;10 月初公布一批数学结果,其中包括对准黎曼猜想的改进,收紧给定数值以下素数个数的估计;10 月下旬又公布数学、计算机科学与物理结果,涉及波如何聚焦、高效计算的极限,以及交织量子场论的数学基础。
生物学部分更像工程:与 PerturbAI 和 Scripps Research 合作,数千个由 GPT-Rosalind 驱动的智能体在 32 分钟内分析了数百万个小鼠脑细胞的既有实验数据,把基因扰动效应与文献连接起来,提出可供实验验证的机制假说;César de la Fuente 的团队则用 ChatGPT 和 Codex 搭算法筛选抗生素候选分子,再进实验室合成测试。
博客同时抛出问题:能生成证明的系统,会改变证明如何被检查、解释和纳入学科;能穷举假说的系统,会让“选哪个实验做”变得更难而不是更容易。OpenAI 说这些问题的答案因学科而异,应由科学共同体参与塑造工具的使用方式。
- 三类内容:研究结果、方法指南、科学界视角
- 9 月内部系统给出 Navier–Stokes 问题的证明
- 10 月数学结果含准黎曼猜想与素数计数估计改进
- GPT-Rosalind 智能体 32 分钟分析数百万小鼠脑细胞
- OpenAI 明确表示会写方法的失败边界









