當人工智能解出「千禧年難題」，人類還需要親自做數學嗎？
【編者按】什麼是信息，什麼是知識？在 AI 時代，兩者有怎樣的差別，又有哪些知識是仍然值得擁有的？人工智能發展正對許多學科帶來衝擊，尤其是在信息豐富，但需投入海量計算資源的領域，例如預測新的蛋白質 3D 結構，解決數學問題，描繪生物演化關係等。
前所未有的效率工具讓學科進步提速，但變化日新月異，想要辨明當下的發展方向也變得更加困難。端傳媒推出「未來怎麼學」系列，關心 AI 時代的學習問題，大到「還要做數學嗎？」，小至「我還有機會給小行星親自命名嗎？」。我們希望搭建信息橋樑，在不同代際間開展對話，給「未來怎麼學」帶來一些啟發。
2000 年，克雷數學研究所選出七道數學題，將其稱為「千禧年大獎難題」，每道問題懸賞 100 萬美元。二十六年來，已被公認解決的只有「龐加萊猜想」（Conjecture de Poincaré），其餘六題仍有待研究。
9 月 8 日，美國人工智能公司 OpenAI 宣布，旗下的人工智能系統已解出「千禧年大獎難題」之一的「納維—斯托克斯存在性與光滑性問題」（下簡稱 N-S 方程式）。
該難題探究的是，描述流體運動的 N-S 方程式在三維空間中是否能永遠產生「光滑的解」，還是會在有限時間內出現數學上的「爆破」現象——流速或旋轉在某一點急劇增至無限大，方程式因而失效。這對天氣預報、飛機設計的穩定性都意義非凡。
OpenAI 宣稱，公司動用了約一萬個 AI agent、歷時 88 小時，證明方程式的解會在有限時間內發生爆破。整個過程發送 270 萬條消息請求，消耗約 1300 億個 Token，等約價值 600 萬美金。
目前，結果仍未獲克雷研究所或數學界正式驗證。但事件顯示， AI 正在改變做數學的方式。
過去，數學進步需要的是一張紙、一隻筆，和研究者的長年苦思，如今，可能愈來愈取決於模型能力、算力和科技公司的資源投入。如果一道困擾人類幾十年的難題可以在 88 小時內被人工智能攻下，人類為什麼還要親自做數學？
