「【新智元导读】微软前 AI 副总裁兼杰出科学家 Sebastien Bubeck 发文表示 GPT-5 Pro 从零攻克了数学论文中的未解区间，这个发现让他大受震撼。该发现引得众多大佬转发，OpenAI 总裁认为 AI 或将加速数学研究。」
AI 真的能解决人类的前沿问题吗？
比如类似庞加莱猜想、求解麦克斯韦方程、费马大定理、黎曼猜想等问题。
今天这个问题有了答案。
AI 还真的可以！完全独立，不参考人类已有的任何方法。
昨晚，GPT-5 Pro 可以从零开始完全求解一个复杂的数学问题。
并且再次强调，它没有使用任何人类此前的证明方法。
而它的答案比论文中的求解方法都要好。
不过值得人类庆幸的是，论文作者后面又提供了全新的方法超过了 AI。
Sebastien Bubeck 是 OpenAI 的研究工程师，此前曾担任微软人工智能副总裁兼杰出科学家。
他把一篇论文直接扔给了 GPT-5 Pro。
这篇论文研究了一个非常自然的问题：在光滑凸优化中，梯度下降法的步长η满足什么条件时，迭代点所对应的函数值形成的曲线是凸的？
在论文的 v1 版本中，他们证明了如果η小于 1/L（L 为光滑度），则可以得到此属性。
如果η大于 1.75/L，作者他们就构造了一个反例。
因此，未解决的问题是：在区间 [1/L,1.75/L] 内会发生什么情况。
首先，简单解释下这个问题。
「梯度下降」就像下山，每一步要选一个「步长η」 。「L」 可以理解成地形的「弯曲程度」（越大越陡 / 越敏感）。
论文不只关心「会不会往下走」（单调下降），还关心**「下降的轨迹是不是「凸」的」：也就是「每一步的进步幅度不会忽大忽小」**，不会「前面像平台、后面突然跳崖」。
这对**「何时停下来」**很有用------凸就表示越来越平稳，不会突然又大降。
Sebastien 用 GPT-5 Pro 去攻这个未解决区间，模型把已知下限从 1/L 推进到 1.5/L。
以下是 GPT-5 Pro 给出的证明。
虽然初看不明觉厉，但整体证明过程看起来非常优雅。
本来这个发现让 Sebastien 兴奋了好一阵，甚至想要直接发一篇 arXiv 论文。
但是，人类还是比 AI 快了一步。
论文原作者很快发了 v2 版本，彻底收尾，他们将阈值改写 1.75/L。
Sebastien 认为这个发现依然非常令人鼓舞，为什么？AI 不是并没有打败人类吗？
因为 GPT-5 Pro 在证明中，它试图证明的是 1.5/L 而不是 1.75/L，这也表明 GPT-5 Pro 并没有直接去搜索 v2 版本。
另外，上述证明与 v2 的证明也非常不同，它更像是 v1 证明的一种演进。
这么看，现在的 AI 能力，不仅仅是博士级，很多时候都超过博士了。
这个发现也让很多大佬们表示，AI 下一个可能改变和影响的就是数学领域。
在 AI 的帮助下，人类知识的边界将会再次被拓宽。
OpenAI 的总裁 Greg Brockman 甚至表示这可能是 AI 在数学领域展现生命力的一种迹象。
此外，这次发现也和之前 OpenAI 官宣自己拿下 IMO 和 IOI 金牌不同。
这次攻破数学题的模型，就是面向用户的 GPT-5 Pro 版本，而不是内部推理模型。
Sebastien 表示这个结论是经过自己 25 分钟验证。
作为前微软人工智能副总裁兼杰出科学家，他的证明应该没问题，看来 AI 确实实际证明了该数学问题。
GPT-5 发布后虽然毁誉参半。
但是，GPT-5 Pro 是真的达到，甚至超过了奥特曼所说的「博士级」AI。
虽然这次解决的问题还没有超过人类，但这种完全自主、自发现的能力苗头还是彰示了 AI 的能力。
这让我想起了流浪地球里的 MOSS，也是自发现、自组织、自编程的 AI。
Sebastien 是一个很厉害的人。
他目前在 OpenAI 从事人工智能相关的工作。
在此之前，Sebastien 曾担任微软的副总裁兼首席科学家，在微软研究院工作了 10 年（最初加入理论研究组）。
Sebastien 还在普林斯顿大学担任了 3 年的助理教授。
在 Sebastien 的职业生涯的前 15 年里，他主要研究凸优化、在线算法以及机器学习中的对抗鲁棒性。
因这些研究工作多次获得最佳论文奖（包括 STOC2023、NeurIPS2018 和 2021 最佳论文奖、与微软研究院实习生合作获得的 ALT2018 和 2023 最佳学生论文奖、COLT2016 最佳论文奖以及 COLT2009 最佳学生论文奖）。
他现在更加关注于理解智能是如何在大语言模型中涌现的，以及如何利用这种理解来提升大语言模型的智能水平，可能最终实现通用人工智能（AGI）。
Sebastien 们将这种方法称为「AGI 物理学」，因为他试图从不同的尺度（参数、神经元、神经元组、层、数据课程等）揭示 AI 系统各部分如何协同工作，从而产生这些模型惊人且出人意料的行为。
看起来，像 Sebastien 这样的数学家、科学家们正在致力于尝试破解大模型的黑箱之谜。
希望 AI 在拓展人类认知边界的同时，人类也能破解大模型的秘密。
参考资料：