OpenAI在9月8日宣佈，其AI模型已解決數學界最著名的難題之一——納維-斯托克斯（Navier–Stokes）問題，並稱已用名為Lean的程式語言驗證了證明。這家位於美國加州的AI公司表示，團隊從9月1日開始攻關該問題。訊息一齣，隨即在數學界引發一場關於“功勞歸誰”的激烈爭論。

爭議的焦點在於：AI模型在解題過程中，是否學走了人類數學家的知識。紐約大學數學家Tristan Buckmaster與合作者、哈佛大學數學家Levent Alpöge此前一直在用OpenAI和Anthropic的工具研究納維-斯托克斯問題的一個方面。Buckmaster在社交媒體上寫道，他們被告知OpenAI即將宣佈解決該問題，而OpenAI是在聽聞他和Alpöge的工作後搶先解出，其模型可能一直在從兩人與ChatGPT的對話中暗暗學習。

對此，OpenAI發言人向《自然》表示，經過調查可以“非常自信地說”，使用者在7月3日以後輸入的資料不會對該系統有任何影響，並強調在公開結果前，OpenAI從未以任何方式見過他們的工作。Buckmaster則稱，他用OpenAI工具研究該問題已有一年，在ChatGPT上有三個不同賬號，其中只有兩個關閉了允許OpenAI將人機對話用於訓練模型的設定。

即便OpenAI的解最終能被獨立驗證，接下來還要看數學界如何論功。克雷數學研究所本世紀初列出七個“千禧年大獎難題”，解決其中任何一個可獲100萬美元獎金。該研究所表示，證明結果必須發表在同行評審期刊上並得到數學界進一步審查，他們才會評判這個解是否成立。研究納維-斯托克斯方程的數學家表示，這裡很大一部分功勞應屬於Buckmaster和Alpöge，以及馬德里數學科學研究所的Diego Córdoba和馬德里金融研究大學的Luis Martínez Zoroa。

類似擔憂並不止於這一難題。德國德累斯頓工業大學的數學家Andreas Thom想知道，他過去一年用ChatGPT進行的關於群論的腦力對話，是否也被用於訓練這個對話機器人。他說自己曾用一種特殊策略嘗試構建名為non-sofic的一類群，而8月OpenAI釋出預印本論文稱已首次取得這一結果，所用策略與他的非常相似。Thom認為貢獻有沒有算到位還不好說，OpenAI未就該問題直接置評。他提到，OpenAI的論文準確引用了他和合作者的早期成果，但6月末之前他一直未關閉訓練模型的選項，因此無法知道OpenAI的工具除了參考其已發表論文外，是否也將與他的對話用於研究。

在譴責AI公司涉足數學解題領域的一封公開信中，25名菲爾茲獎得主寫道，AI工具模糊了對功勞的分配，“和所有創造性職業一樣，這帶來了嚴重的署名和剽竊問題”。倫敦政治經濟學院智慧財產權法研究員Luke McDonagh提醒，很多學者可能還沒搞清楚，將資料和資訊上傳至AI模型的個人賬號會有什麼後果。倫敦商學院研究數字生態系統的Michael Jacobides則直言，學術人員“有點太天真了”。

問題的根源在於，AI模型在科研領域近乎全員使用，而用來訓練模型的資訊很難溯源。對話機器人從專家一對一的交流中汲取知識，這些內容要麼被分享給其他研究人員，讓後者在不知情下掌握對手尚未發表的思路，要麼讓AI公司把解題功勞佔為己有。德國伯恩大學的菲爾茲獎得主彼得·舒爾茨（Peter Scholze）等數學家已承諾不使用AI工具，但也有數學家表示仍有很多人在用對話機器人處理數學問題，目前不確定有多少人選擇關閉共享對話內容。

制度層面的應對正在推進。國際數學聯盟6月釋出《人工智慧與數學萊頓宣言》，規定資料在未經同意情況下不得用作訓練資料，並要求公司讓作者有權選擇其研究不被以這種方式使用。宣言作者之一、荷蘭埃因霍芬理工大學的數學家Jim Portegies表示，團隊正在討論如何應對這些最新事件。一些學術機構已與科技公司達成協議，不允許公司使用資料和互動內容訓練模型，但研究人員用私人賬號做研究時不受協議約束，還有的機構根本沒有這類協議。

監管與行業自律被視為可能的出路。Jacobides認為，監管部門可以要求研發AI對話機器人的公司關閉共享資料的預設設定，這一規定可能非常奏效。萊頓宣言作者之一、牛津大學已退休數學家Ursula Martin表示，科技公司還能與代表科研界的組織擬定行為規則。她認為，納維-斯托克斯最新證明引發的軒然大波，或許能刺激各大AI模型公司站出來回應，“這次事件或許是個警鐘，讓這些公司意識到，‘原來這不是我們想要的營銷’”。

對AI產業而言，這場爭論觸及一個更根本的問題：當模型能力越來越依賴與專家的深度對話，訓練資料的來源與歸屬將直接影響學術貢獻的認定，也關係到AI公司在科研合作中的信任基礎。如何在技術推進與學術規範之間找到平衡，正成為AI公司、研究機構和監管部門共同面對的新課題。