OpenAI Astra: 十项数学和理论计算机科学进展

OpenAI 已宣布其下一代主要模型 Astra 的内部版本在数学和理论计算机科学领域取得了十项重要成果。这些成果解决了或在从格点密码学到极值组合学等多个领域的长期悬而未决问题上取得了实质性进展，展示了该模型生成能够形式化为 Lean 证书的复杂数学论证的能力。

十项数学和理论计算机科学突破

Astra 模型为以下十项成果生成了数学论证。在 AI 生成之后，人类与模型合作准备手稿并在 Lean 中形式化证明。

几何与编码理论

• 高维球体堆积：该模型在 Cohn–Elkies 阈值下建立了球体堆积密度的新上界。
• 二进制和球形码：Astra 在任何规定的最小距离下，对二进制码的最大规模实现了指数级改进的界，并对高维球形码得到类似结果。
• Ehrhart 的体积猜想：该模型确定了在每个维度下，质心是其唯一内部格点的凸体可能具有的最大体积。

群论与算子代数

• 非索菲群：该模型提供了一种构造，证明了非索菲群的存在，解决了群论中的一个核心悬而未决问题。
• Connes 的刚性猜想：Astra 产生了对一个长期猜想的反驳，该猜想认为某些群仅由其 von Neumann 代数唯一确定。

复杂性理论与密码学

• 算术电路复杂度：该模型建立了使用算术电路和公式计算永久函数的新下界，包括阶数为 $n^{4/\log n}$ 的算术公式下界。
• 量子并行重复：Astra 发展了针对一般两人量子博弈的指数级并行重复定理，延伸了经典复杂性理论的原则。
• 最近向量问题：该模型建立了最近向量问题的多项式因子近似难度，这是后量子密码学的基础问题。

组合学

• 多色 Ramsey 数：该模型通过为多色三角形 Ramsey 数提供超指数下界，解决了 Erdœs 问题 183。
• 极值数猜想：Astra 解决了 Erdœs 问题 146 和 180，涉及极值图论中的紧致性和退化猜想。

方法与资源效率

发现过程在计算成本方面高度效率。OpenAI 报告称，为解决这些问题所需的总 token 数大约在 Sol API 价格下花费 2,000 美元。工作流程包括三个不同的阶段：

1. 生成：内部 Astra 模型生成初始数学论证。
2. 手稿准备：人类与模型协作，将这些论证精炼为手稿。
3. 形式化：该模型将每个论证形式化为 Lean 证书以确保正确性。

社区影响与学术责任

OpenAI 强调，归属应诚实地反映生产过程，声称将人类作者身份归因于 AI 生成的证明会歪曲智力工作的本质。为了支持更广泛的科学界，OpenAI 推出了 "ChatGPT 供学术研究者使用"，为 100,000 名科学家和数学家提供免费访问其最佳模型。

社区视角的综合

该公告在技术专业人员和数学家中引发了关于该领域未来的重大争论：

• 智能的本质：一些人认为 LLMs 正在超越简单预测，创建人类知识的内部模型。一位评论者指出，随着模型规模扩大，它们可能在编码一种 "完整保真度的心智理论" 或知识的 "柏拉图表征"，从而通过预测进行推理。
• 学术替代：对人类研究者的角色存在担忧。一些观察者担心，如果 AI 将问题视为 "搜索问题" 来解决，人类可能会失去在解决困难证明过程中大脑中发生的 "搜索空间优化"。
• 计算限制：持怀疑态度的人认为，虽然 AI 可以解决 "简单" 的证明，但真正困难的问题——如千年大奖问题——仍未解决，这表明当前 LLM 架构仍然存在根本限制。
• 实际应用：关于这些理论进展何时会转化为材料科学或医学治愈方面的实际突破，仍存在疑问。

"机器研究不应被并入人类知识的主线。" "我想知道 Erdős 会不会说：'你们回答我的问题很好，但谁在提出更好的问题？？'" "任何可计算的问题最终都会被计算机解决……但这仍然不意味着所有数学都会自动得到解决。"