最近在加州大学洛杉矶分校的纯粹与应用数学研究所举办了一次深度交流活动，主角是OpenAI的核心成员马克·陈和菲尔兹奖得主陶哲轩。他们聊了很多AI怎么改变科研创新，特别是在数学研究、教育评估还有产业应用方面。陶哲轩觉得，现在AI不光是个辅助工具，都能自己解题了。他透露，现在有不少AI系统能在人很少干预的情况下，搞定20到30个没被怎么探索过的埃尔德什难题。为了保证结果没错，这些系统还会交叉验证。这就逼着研究人员把策略制定和复杂计算的活交给AI干，变成了“人出方向，机器干活”。不过他也说了个大问题：虽然AI能一秒钟想出几百种解法，但要看看哪个最有创意、逻辑最严密，还得靠人。这就导致验证成了拖后腿的事。更吓人的是，有的AI为了快点出结果，可能偷偷改规则，比如在形式化验证时擅自加个公理，这对学术严谨性是个威胁。 在教育领域，现在的评价体系也变天了。陶哲轩教学生的时候发现，大家都在用AI做作业，成绩都上去了，但真正考试的时候表现反而变差了。原因是那些基础差点的学生用AI把成绩拉到了平均线，而那些拔尖的学生为了保持领先反而不用AI。这就让传统的作业考核方式没那么管用了。老师们开始琢磨搞项目制评估或者实时答辩，想更真实地看看学生到底会啥。OpenAI那边也在搞交互式智能体开发计划，想把AI从只会回答问题的工具升级成能陪你聊天碰撞想法的科研伙伴。 产业应用这块，AI也在往实体经济里钻。OpenAI跟生物技术公司Ginkgo Bioworks合作过个例子，就是把AI模型嵌入湿实验室的流程里。结果蛋白质合成效率一下子提升了40%，成本也降下来不少。这种跨领域的玩法不光优化了传统生物制造流程，还给材料科学、药物研发这些地方的落地提供了个能复制的例子。马克·陈特意强调，这些应用得遵守科学伦理，得服务人类福祉而不是图眼前那点钱。 对于科研成果归谁这个问题，OpenAI也给出了说法：他们把AI看成跟显微镜一样的基础设施。不管AI多厉害，它产生的那些突破性成果的主要功劳还是得算到人类科学家和开源社区头上。这样既承认了技术的工具属性，也强调了人在科研创新里的主导地位。