跳到正文
OpenAI News·· 2026-09-08精選AI 評分73

OpenAI 分享 Navier–Stokes 千禧年大獎難題的 AI 生成解答

On the Navier–Stokes Millennium Prize Problem

AI 導讀

OpenAI 分享一份針對 Navier–Stokes 千禧年大獎難題的 AI 生成解答。材料包括解説稿,以及以 Lean 撰寫的形式化證明。

推薦理由

材料同時附上解説稿與 Lean 形式化證明,讀者可對照文字論證及形式化證明檢視這份 AI 生成解答。

正文 · 繁體中文

我們分享一項針對 Navier–Stokes 存在性與光滑性問題的解答;這是 Millennium Prize Problems 之一。這項由 OpenAI 內部系統產生的證明顯示,描述流體運動的 Navier-Stokes 方程式,其動力學可以在有限時間內形成奇點。我們同時分享這項證明的書面論述,以及以 Lean 編寫的形式化版本。

這些Millennium Prize Problems⁠(在新視窗中開啟)代表數學前沿一些最深奧的問題。光滑的三維流體運動是否會失常,這個問題約 90 年來一直未有定論。

我們工作的主要目標之一,是讓科學家能推進有益於全人類的研究與技術。為了解決 Navier–Stokes 問題,我們使用了一個能力顯著強於 GPT‑6 Astra 的內部模型。我們認為,讓世人了解 AI 進展的步伐,以及對即將推出的模型可以有甚麼預期,十分重要。

問題

Navier–Stokes 方程式以牛頓第二運動定律(“F=ma”)描述流體如何移動。尤其重要的是,方程式把流體視為連續介質,而非逐個追蹤分子。這些方程式用於飛機設計、天氣預報和血液流動研究。

關於這些動力方程式,一個根本的未解問題是:流體的連續介質近似是否會失效。具體而言,密度恆定、不可壓縮的三維流體,其 Navier–Stokes 方程式能否形成「奇點」,即使流動一開始是光滑的?在此,奇點是指動力學導致流體速度在有限時間內增長至無界。即使存在會令運動趨於平滑的黏性,奇點仍必須在這種情況下形成。由於真實流體不可能以無限速度移動,這將標誌着方程式對流體的建模失效。若要繼續建模這個系統,便需要逐一追蹤每個粒子的行為。

這些方程式源自十九世紀 Claude-Louis Navier 和 George Gabriel Stokes 的研究。1934 年,Jean Leray 證明解以廣義形式存在,但解是否始終保持光滑,後來成為一個核心的未解問題。2000 年,Clay Mathematics Institute 將 Navier–Stokes 存在性與光滑性問題列為七個 Millennium Prize Problems 之一。

結果

我們的系統產生了一份解析證明和一份 Lean 形式化證明,證明一開始處於靜止狀態的光滑流體可以在有限時間內形成奇點。流體受到一個光滑的力作用,而從靜止到奇點形成的整個動力演變過程中,其能量一直維持有限。這透過證立“C”(亦包括“D”)解決了 Navier–Stokes Millennium Prize 難題;相關陳述見於Millennium Prize 的官方表述⁠(在新視窗中開啟)。

這個解是一個渦旋,是一團旋轉的流體,會向內螺旋移動並愈拉愈長,形狀像意粉。這個中心區域一邊收縮、一邊加速,令其能量仍然維持有限,符合物理定律。技術難點在於,方程式必須透過流體本身的運動形成這種失常,而不是例如由我們人手施加無限大的力。從更數學的角度來說,Navier–Stokes 方程式中描述運動的各項——加速度、壓力梯度、動量傳遞、黏性——必須同時變得 巨大,卻又 互相抵消,而且這種配合必須精確。這種細緻的平衡令外力保持光滑,即使流體速度不斷增長而沒有上限。

不可壓縮局部運動的快照。橙色表示較快的角向旋轉;青綠色表示較慢的旋轉。環流速度亦取決於半徑。軌跡顯示向內螺旋移動和沿軸向伸展。

我們如何找到證明

自 August 28 起,我們一直在訓練一個新的內部模型。這個模型在包括數學在內的基準測試中展現了前所未有的表現。目前訓練仍在進行,其表現亦持續提升。

在 Tuesday, September 1,我們聽到傳聞,指有兩項 Millennium Prize Problems 已經解決。受到這些傳聞,以及我們內部模型表現出現重大躍升所啟發,我們開始評估該模型能否解決所有尚未解決的 Millennium Prize Problems,以及另外幾項影響重大的問題。

我們使用一個由內部模型驅動、負責協調多個代理的系統。代理能使用多種工具,例如讀取已快取的互聯網版本和執行程式碼。代理分成多個小組,同組成員可以互相通訊。各組規模不一,而負責解決 Navier–Stokes 問題的小組,涉及約 10,000 個同時運作的代理。在整個過程中,我們一直維持與所有前沿模型評估相同的嚴格安全防護,包括監控和隔離。

對於每道問題,我們向不同代理小組提供問題陳述的不同版本,涵蓋該問題的所有變體。對於 Navier–Stokes 問題,我們把版本“ A ”和“ B ”(能得出證明的特定形式)以及版本“ C ”和“ D ”(能得出反證的形式)分別交給不同小組。

除了完整的 Millennium Prize problems 外,我們還要求多代理系統嘗試一組「較容易」的問題。其中一個問題,是針對移除黏性項後的 Navier–Stokes 問題極限,提出類似的解爆破問題。這稱為 Euler 方程式的正則性問題,而代理解決了這個問題,令我們十分意外。他們解決的是這個問題的無外力版本,即沒有外力施加於流體。近 100 個代理合作約 50 小時,得出了我們對 Euler 方程式正則性問題的反證1。

看到 Euler 的解答後,我們認為 Navier–Stokes 是最值得投入研究的問題。因此,我們決定把資源集中於 Navier–Stokes。為此,我們把代理從其他 Millennium Problems 調配過來,並向這些代理提供 Euler 問題的解答作提示。在這項工作期間,當內部模型有進一步訓練的版本可用時,我們便更新代理所用的模型。

我們鼓勵不同代理小組探索多種不同方法。一段時間後,我們利用 Codex 整合各代理小組最有用的見解,促進各組互相交流借鑑。這些後續提示亦參考了代理自身的中間結果。找到 Navier–Stokes 解答的小組,就是循這種方式獲得引導。

代理在 Saturday, September 5 得出解答,距離第一批代理啟動約 88 小時。其後,透過 GPT‑6 Astra 進行 Lean 形式化和驗證,額外花了 17 小時。

在所有嘗試解決的問題中,代理發送了 4.9 million 則訊息,並使用約 300 billion 個輸出 token。在解決 Navier–Stokes 問題的過程中,代理發送了 2.7 million 則訊息,並使用約 130 billion 個輸出 token。

同步進行的工作

我們在聽到一則傳聞後,於 September 1st 開始這項工作;後來才得知傳聞與 Anthropic 員工 Levent Alpöge,以及 NYU 數學教授 Tristan Buckmaster 有關。2完成整個項目及 Lean 驗證後(於 September 6th),基於傳聞,我們相信他們也已找到 Navier–Stokes 的解答,因此聯絡他們,提出同步發布我們的成果,並在聯合公告中承認他們的優先成果。此時我們才得知,他們使用 Anthropic 內部模型,解決了有外力作用的 Euler 問題。在討論中,我們提出讓他們查閱我們使用的所有提示,並在稍後查看證明。我們承認他們在有外力 Euler 問題研究上的優先成果,並恭賀他們取得傑出的數學成就。

我們(研究人員和代理)在他們公開發布成果之前,沒有透過任何方式看過他們的研究;具體而言,解決這個問題時並沒有存取任何特定用戶的資料。

經調查後,我們確認,在這份公告及論文於 September 8, 2026 發布前的兩個月內,Buckmaster 的 Codex 提示不可能以任何方式影響這個系統,包括透過訓練產生影響。OpenAI 用於這項成果的內部模型,是在一個先前已完成預訓練的模型之上,透過大規模強化學習開發而成。我們的證明亦有顯著差異。在 Euler 問題上,Alpöge 和 Buckmaster 證明了有外力作用下的結果,而 OpenAI 的系統則證明了沒有外力作用下的結果。

進展與責任

我們發布這項成果的目標,是報告 AI 模型取得的重大進展。我們無意就此申領 Millennium Prize。

這個里程碑代表數學家和 AI 研究人員的大量工作成果。不過,這並非最終成果,而只是 AI 發展進程截至此刻的一個縮影。

我們相信 AI 進展現已進入下一個階段⁠,而今天的成果進一步證明了這一點。我們正專注於了解這個模型,並運用所學,協助我們引導並掌握進一步提升能力的步伐。我們的其中一個主要目標⁠,是建立可受引導、具問責性,並與人們保持連繫的 AI 系統。這可能需要我們更審慎地選擇進展的步伐,同時繼續履行使命,確保 AGI 造福全人類。

來源:OpenAI News · openai.com