3晚攻克世界數(shù)學難題，黑洞方程秒解！OpenAI：AI正讓科學加速100年

新智元報道

編輯：peter東

【新智元導讀】2026年，AI成了科學家的新戰(zhàn)友：從三個晚上破解40年優(yōu)化難題，到18分鐘重現(xiàn)黑洞隱藏對稱性，ChatGPT正把前沿發(fā)現(xiàn)速度提升數(shù)倍乃至數(shù)十倍，科學加速的時代已然來臨！

超級人工智能ASI的「S」可能是「Science」的「S」。

AI在科學研究領域，已開始大展拳腳。

OpenAI科學副總裁Kevin Weil預測，2026年AI將在科學領域如2025年在軟件工程般普及。

從量子世界到黑洞邊緣。從蛋白質設計到新藥研發(fā)。ChatGPT正在全領域加速科學發(fā)現(xiàn)。

用ChatGPT

三個晚上數(shù)學家完成證明

數(shù)學。科學的皇后。也是最考驗智力的領域。

兩年前，大模型還在基礎算術上跌跌撞撞。如今，GPT-5.2已在國際數(shù)學奧林匹克競賽中斬獲金牌。

就如一年前，AI編程還只能補全代碼，如今已能獨立開發(fā)app了。

在2023年的時候，數(shù)學家Ernest Ryu嘗試讓ChatGPT安排一個完整的棒球賽季賽程。

這需要精確處理硬約束（如避免賽程沖突）和軟約束（如旅行休息日）。

當時的模型在處理復雜的約束條件時仍顯稚嫩，時常遺漏關鍵條件，在更實際的復雜日程安排上敗下陣來。

2025年，OpenAI在國際數(shù)學奧林匹克競賽中斬獲金牌，Ryu看到了AI能力的飛躍。

他之前測試過的同類調度問題，如今能被可靠地解決了。

這一成功給了他極大信心，他開始將ChatGPT融入日常學術工作，比如在編寫講義時，向AI詢問那些他確信為真但一時想不起證明過程的教學結論。

在看到AI的回答效果不錯后，Ryu決定將AI用于真正的學術研究。他選擇了一個與「Nesterov加速」相關的開放性問題。

連續(xù)三個晚上，Ryu與AI展開了密集的協(xié)作攻關。AI首先給出了一個包含計算錯誤的初始證明。

Ryu糾正錯誤，在不斷增長的對話提示中保留正確的中間步驟，果斷放棄死胡同，并將模型引導向新的思路。

Ryu將這個過程形象地比喻為「走迷宮」——在迷宮中轉彎、開門，有時發(fā)現(xiàn)是死路，但同時在心里繪制著哪些路徑失敗、哪些有希望的地圖。

他感到，ChatGPT將他「走迷宮」的速度提升了3到10倍。

在第三個晚上，AI實現(xiàn)了一個微小但關鍵的思維躍遷，其產(chǎn)生的論證「看起來不同」，正是這個不同之處，成功解鎖了整個證明。

Ryu異常謹慎，他「反復檢查了不止三遍」，并請學生再次驗證。

隨后，他將這一成果分享給優(yōu)化領域的學術社區(qū)，引起了同行們的驚訝和興奮。

最終，他們通過一個提示就將連續(xù)時間下的結果轉化為了離散時間的算法陳述，核心創(chuàng)新部分凝練成一頁紙的新穎內容，達到了可發(fā)表的水平。

這場成功的合作，也改變了Ryu的職業(yè)軌跡。此后，他加入了OpenAI的合成數(shù)據(jù)團隊，核心使命正是繼續(xù)提升模型的數(shù)學能力。

AI在各學科百花齊放

不止是數(shù)學，理論物理學者Alex Lupsasca也驚訝于當下AI的強力。

他花了數(shù)年培養(yǎng)相關技能，又投入了數(shù)月時間進行攻關才推出的黑洞潮汐響應方程。之后他試著將這個方程交給了GPT-5 Pro，只給予最少的指導。

模型進入了「思考」模式。大約18分鐘后，它返回了完全相同的對稱性生成元。

AI在短短18分鐘內，再現(xiàn)了他以深厚積累和長期努力才獲得的關鍵發(fā)現(xiàn)。這一經(jīng)歷促使Lupsasca加入了OpenAI。

他現(xiàn)在的使命，是推動AI在科研中的應用超越一次性的成功案例，邁向可重復、系統(tǒng)化的科學加速。

他的目標是開發(fā)更好的工具來閱讀和解釋論文，構建比單一聊天窗口更強大的工作流，將前沿物理學更深地嵌入模型能力。

最終，讓研究人員花更少的時間卡在復雜的代數(shù)推導中，更多的時間去識別和攻克那些困擾物理學界的最大謎團。

至于生物領域，OpenAI與RetroBioSciences的合作案例生動地展示了AI如何攻克生物學難題的。

RetroBio致力于解決使細胞重編程變得實用和可擴展，從而延長人的壽命。

細胞重編程使用四種「OSKM」因子重置細胞年齡特征，但在老年細胞中，重編程的過程變慢，Retro的目的是引入新蛋白來加速這一過程。

為此，OpenAI構建了蛋白質專用基礎模型GPT-4B Micro。

與通用模型不同，該模型在多模態(tài)生物數(shù)據(jù)上進行了進一步訓練。

GPT-4B Micro生成了數(shù)千個候選序列，經(jīng)過篩選后，RetroBio 合成了對應序列，通過慢病毒構建體將其遞送到人成纖維細胞中。

后續(xù)研究表明，AI生成的蛋白性能與先前最佳工程因子相當，在某些情況下甚至超過當前最優(yōu)水平。

科學家使用AI有何不同？

2026年1月，OpenAI發(fā)布《AI作為科學合作者》的白皮書，用鮮活的案例說明，2026對于科學家來說，AI已可以成為并肩作戰(zhàn)的科研伙伴。

每周，ChatGPT上產(chǎn)生840萬條高級科學和數(shù)學話題的對話，這些對話來自全球130萬活躍用戶。2025年，與高級科學相關的消息數(shù)暴漲50%。

這些科學家使用AI的方式和普通人相比，更專注、更深入。消息量是普通用戶的3.5倍，編程相關消息頻率高出12倍。他們的工作流高度集中在代碼生成與調試、數(shù)據(jù)分析、數(shù)學推導、文獻綜述。

科研人員主要使用ChatGPT的用途

OpenAI科學部門副總裁Kevin Weil斷言：AI正越來越多地被用作科學合作者。在真實研究環(huán)境中，AI的影響力越來越多。科學正在進入一個新的加速階段。

而OpenAI的目標，是為每位科學家提供AI超能力，實現(xiàn)2030年完成2050年科學水平。未來十年。科學發(fā)現(xiàn)的速度或將超越過去百年，讓我們拭目以待。

參考資料：

https://x.com/kevinweil/status/2015819346568745076

https://cdn.openai.com/pdf/f4b4a5da-b2de-418d-9fcd-6b293e9dc157/oai_ai-as-a-scientific-collaborator_jan-2026.pdf