千禧年難題爭議繼續發酵
千禧年難題的爭議繼續發酵，最新發展不再只是關於某道數學命題是否被解開，而是圍繞在 OpenAI 與數學界之間，關於證明歸屬、數據邊界與學術信用的多重角力。根據量子位追蹤報導，OpenAI 已對外更新其用戶數據時間線的說明，試圖釐清先前外界對其數學證明過程中數據使用範圍的質疑。這項更新被視為回應爭議的一環，也讓事件從技術成果的討論，進一步擴大到研究過程與資料治理層面。與先前 OpenAI 公布數學證明聲明時的脈絡相比，這波新資訊明顯不同。當時外界關注的是證明本身是否成立、是否具有突破性；如今焦點則轉向《紐約時報》的後續追訪、雙方合作的具體條件，以及數據蒐集與使用的界線劃分。
換言之，爭議已從「是否能解出難題」轉為「如何定義與揭露解題過程中所使用的資源與各方貢獻」。這樣的轉向，使千禧年難題不再只是數學競技場上的目標。當人工智慧模型被用來參與高端數學命題，證明歸屬就不再只是署名問題，而牽涉到誰提供資料、誰參與驗證，以及各方貢獻該如何被記錄與評價。OpenAI 更新用戶數據時間線，正是在這個背景下受到關注。外界對數據使用範圍的質疑，並非只針對單一環節。從資料來源到模型訓練，再到解題過程中的輸入與輸出，每一層都可能影響最後成果的正當性。
當模型透過大量輸入輸出進行刷題與驗證，系統化運作模式會讓資料邊界變得更加模糊；若沒有清楚揭露，便容易引發學術界對研究透明度與信用分配的疑慮。量子位的追蹤報導指出，OpenAI 此次更新說明，目的在於釐清先前外界對數學證明過程中數據使用範圍的疑問。不過，這也顯示相關爭議並未因一份聲明而平息，反而讓更多人開始追問：合作條件是什麼？資料如何取得？使用範圍到哪裡？這些問題不再是附帶細節，而是決定成果能否被學術社群接受的核心。與此同時，業界與學術圈傳出，下一道可能被挑戰的千禧年難題或許指向霍奇猜想。這項消息若屬實，將使輿論焦點從單純的證明成果，進一步延伸到未來命題選擇的合理性，以及合作條件的透明度。
也就是說，外界不只關心 AI 能否再次挑戰高難度題目，也關心挑戰過程是否經得起公開檢驗。霍奇猜想被點名，讓整起事件的討論焦點不再只停留在既有證明的爭議，也延伸到下一道可能命題。千禧年難題本身具有高度象徵意義，任何與之相關的進展都會牽動數學界、科技業與公眾輿論。當挑戰對象從已發生爭議的證明，轉向下一道可能命題，背後涉及的不只是研究野心，還包括命題選擇的標準、合作協議的設計，以及資料與成果如何被呈現。目前各方關注的核心，已從「是否能解出難題」轉向「如何定義與揭露解題過程中所使用的資源與各方貢獻」。這樣的變化，讓署名歸屬、數據來源與學術評價機制被推向同一衝突節點。
對數學界而言，一項證明若無法清楚交代資料與協作脈絡，即使技術上成立，也可能在學術信用上留下難以回避的問號；這也讓學術信用成為與技術成果並列的焦點。模型透過大量輸入輸出進行刷題與驗證的系統化運作模式，正是爭議的關鍵之一。這種模式能快速累積解題經驗、測試不同路徑，卻也讓資料來源與貢獻比例更難切割。當 AI 研究參與高端數學命題，傳統上以人類研究者為中心的署名與評價方式，便面臨重新調整的壓力。學術界對此展開更嚴肅的檢視，並不令人意外。人工智慧若要在高端數學命題中扮演實質角色，就必須面對倫理界線、資料治理與學術誠信等問題。
OpenAI 更新用戶數據時間線，雖是試圖釐清質疑的一步，但也反映出這場爭議已從單一事件，擴展為對 AI 參與數學研究方式的整體討論。從 OpenAI 與數學界的角力，到《紐約時報》的後續追訪，再到霍奇猜想可能成為下一個目標，千禧年難題的爭議正持續發酵。事件如今不只是關於某項證明是否成立，而是關於證明如何被生產、資料如何被使用、貢獻如何被承認，以及學術社群如何在人工智慧時代重新界定可信賴的研究標準。在這些問題得到更清楚的回答之前，圍繞千禧年難題的討論恐怕難以降溫。
未來命題選擇的合理性、合作條件的透明度，以及數據蒐集與使用的界線，都將持續受到檢驗，而學術界對人工智慧參與高端數學命題的倫理界線，也將展開更嚴肅的檢視。
Related
相關文章
消息稱 Anthropic 低調建立生物實驗室，借 AI 推進藥學研究
作者：清源 責編：清源 評論： 9 月 18 日消息，路透社今天（18 日）晚間援引知情人士消息稱，Anthropic 在舊金山灣區低調建立了一座溼實驗室，把 AI 業務進一步延伸到需要實際動手操作的生物學研究和藥物科學領域。知情人士透露，在公眾對 AI 風險愈發擔憂之際，Anthropic 開始在溼實驗室進行實體實驗。Anthropic 此前提出，希望藉助 AI 推動罕見病治療方法的發展，公司的生物學研究也從“計算機模擬”和計算機評估進一步走向真實實驗。注：溼實驗室是一個科學概念，與“幹實驗室”相對。相比干實驗室，溼實驗室在實驗中需要用到較多的化學試劑。相比之下，幹實驗室則注重通過各種儀器進行計算，以歸納出實驗材料的物理模型。Anthropic 生命科學負責人埃裡克 · 考德勒-艾布拉姆斯證實了溼實驗室的存在。“我們認為，生物學研究最終還是要接受真實實驗室工作的檢驗，而且未來一段時間都會如此。我們現在確實在做這些工作。整體模式和大多數生物科技公司類似，一部分在自己的設施裡完成，另一部分則與外部合作伙伴共同開展。”Anthropic 發言人又進一步補充，這座實驗室並非專門用於藥物發現，並拒絕進一步說明具體用途。知情人士稱，建立溼實驗室只是 Anthropic 邁向更大目標的一小步。Anthropic 希望攻克其認為製藥行業忽視的疾病，公司也希望在員工和公眾失去對 AI 價值的信心之前拿出成果，因為 AI 可能導致崗位消失，甚至威脅人類生命。不過，任何藥物研發項目都無法保證成功，大多數候選藥物最終都無法通過臨床安全性和有效性試驗。這項工作對 Anthropic CEO 達裡奧 · 阿莫迪還有一層個人意義。
阿里達摩院開源全球首個專家級通用醫療影像 AI 模型 DAMO RADAR：可一次性識別超 146 種病症，成果登《科學》
作者：沁滄（實習） 責編：沁滄 評論： 感謝網友 files 的線索投遞！9 月 18 日消息，阿里達摩院今日宣佈，與浙江大學醫學院附屬第一醫院等機構研發出的通用醫療影像 AI 模型 DAMO RADAR，登上國際頂級學術期刊《科學》(Science)。
零樣本幹活！Figure 機器人走進 30 個陌生家庭，整理客廳、折毛巾、鋪床
AGI...智客Z...2026.09.18 15:08 · 來自北京全文3855字00:00 / 11:06美國人形機器人公司Figure發佈Helix 2.5，將其稱為最先進的神經網絡。人形機器人真正走向家庭，難點或許從來不是“會不會做家務”，而是換一個家庭之後，它還能不能繼續做。
AGI最難一戰，竟在醫院！中國AI登上Science，醫生不怕失業還催著上線
。 2016年，Hinton老爺子就預言：“人們現在就應該停止培養放射科醫生。”他甚至認為，五年內，AI就會在醫療影像識別上超過放射科醫生。 老爺子一生謹慎，但歷史和他開了個玩笑。十年過去了，人們離AGI已經越來越近，但在醫療場景裡，即使圖像識別這樣的AI新手村任務，依然是hard模式。 如果從IBM的Watson算起，在醫療上遭遇滑鐵盧的AI專家數不勝數。
AGI最難一戰，竟在醫院，中國AI登上Science，醫生不怕失業還催著上線
我没办法凭这条标题写出符合要求的完整新闻稿,原因很直接: 现有"可用资料"其实只有一行标题,正文是空的。后面的内容全是的侧边栏推荐和网站导航(Anthropic华人、Manus估值、腾讯投资药企等),跟这条新闻没有关系。 如果硬写 900–1600 字,我就得自己编造这些关键事实: 是哪个团队、哪家医院、哪篇 Science 论文 论文的具体方法和结果数据 医生"催着上线"的具体场景和原话 这些一旦写出来就是假新闻,我不做这个。
AI製藥獨角獸Anew單飛，字節推了一把“最燒錢的慢生意”
Reuters：Anew Labs完成首輪外部融資2.9億美元、投後估值15億美元，HSG、IDG Capital、GL Ventures、五源資本等機構入股，字節跳動融資後持股56%。2. IQVIA 2026年分析：經確認有AI參與的新興生物科技項目I期、II期臨床成功率比較，及樣本有限的說明。3. 《Nature Reviews Drug Discovery》2026年8月Perspective：AI方法與基準測試大量出現，臨床相關性影響證據仍然有限。4. Deloitte全球大型生物製藥公司晚期研發管線年度研究：2025年平均藥物開發成本約26.7億美元，計算含研發失敗成本。