【编者案】什么是信息，什么是知识？在 AI 时代，两者有怎样的差别，又有哪些知识是仍然值得拥有的？人工智能发展正对许多学科带来冲击，尤其是在信息丰富，但需投入海量计算资源的领域，例如预测新的蛋白质 3D 结构，解决数学问题，描绘生物演化关系等。
前所未有的效率工具让学科进步提速，但变化日新月异，想要辨明当下的发展方向也变得更加困难。端传媒推出“未来怎么学”系列，关心 AI 时代的学习问题，大到“还要做数学吗？”，小至“我有机会亲自给小行星命名吗？”。我们希望搭建信息桥梁，在不同代际间开展对话，给“未来怎么学”带来一些启发。
前所未有的效率工具让学科进步提速，但变化日新月异，想要辨明当下的发展方向也变得更加困难。端传媒推出“未来怎么学”系列，关心 AI 时代的学习问题，大到“还要做数学吗？”，小至“我有机会亲自给小行星命名吗？”。我们希望搭建信息桥梁，在不同代际间开展对话，给“未来怎么学”带来一些启发。
2000 年，克雷数学研究所选出七道数学题，将其称为“千禧年大奖难题”，每道问题悬赏 100 万美元。二十六年来，已被公认解决的只有“庞加莱猜想”（Conjecture de Poincaré），其余六题仍有待研究。
9 月 8 日，美国人工智能公司 OpenAI 宣布，旗下的人工智能系统已解出“千禧年大奖难题”之一的“纳维—斯托克斯存在性与光滑性问题”（下简称 N-S 方程式）。
该难题探究的是，描述流体运动的 N-S 方程式在三维空间中是否能永远产生“光滑的解”，还是会在有限时间内出现数学上的“爆破”现象——流速或旋转在某一点急剧增至无限大，方程式因而失效。这对天气预报、飞机设计的稳定性都意义非凡。
OpenAI 宣称，公司动用了约一万个 AI agent、历时 88 小时，证明方程式的解会在有限时间内发生爆破。整个过程发送 270 万条消息请求，消耗约 1300 亿个 Token，等约价值 600 万美金。
目前，结果仍未获克雷研究所或数学界正式验证。但事件显示， AI 正在改变做数学的方式。
过去，数学进步需要的是一张纸、一只笔，和研究者的长年苦思，如今，可能愈来愈取决于模型能力、算力和科技公司的资源投入。如果一道困扰人类几十年的难题可以在 88 小时内被人工智能攻下，人类为什么还要亲自做数学？
