AI突破：GPT-5 Pro自主证明数学新规律

人工智能（AI）已经迈出了令人惊叹的一步：GPT-5 Pro开始自主思考并证明新的数学规律。

据OpenAI研究人员透露，他们向GPT-5 Pro提供了一篇论文，结果模型不仅读懂了论文，还提出了比原文更精确的阈值和相应证明，这在凸优化问题中尤为显著。

这一消息迅速在网络上引起了轰动，不到半天时间，相关推文的阅读量就超过了230万次。

然而，研究人员并未将GPT-5 Pro的研究成果发表成论文，原因是人类已经抢先完成了这一工作。

不久后，该论文更新了版本，提出了新的边界，而这个新的边界又被GPT-5 Pro反超了。

值得注意的是，GPT-5 Pro的证明思路与人类不同，这表明它已具备独立探索的能力，即使人类的反攻也不影响其作为新突破的成就。

OpenAI总裁Brockman甚至将这一成果称为“生命迹象”。

凸优化曲线：是凸的吗？

GPT-5 Pro所研究的论文探讨了凸优化（convex optimization）问题，这是数学最优化领域的一个重要分支，主要研究在凸集中最小化凸函数的问题。

论文的题目是《凸优化曲线是凸的吗？》，具体研究了以下问题：

当使用梯度下降算法优化光滑凸函数时，其产生的优化曲线（optimization curve）是否是凸的？

“优化曲线”指的是函数值f(x_n)随迭代次数n变化的曲线。如果这条曲线是凸的，则意味着优化速率（即相邻两次迭代的函数值下降量）是单调递减的。

关于这个问题，论文的结论是优化曲线的凸性取决于步长（step size）的选择。以下是几个关键点：

凸性保证区间：当步长η ∈ (0, 1/L]时（L为平滑度），优化曲线保证是凸的；

非凸可能区间：当步长η ∈ (1.75/L, 2/L)时，即使梯度下降仍单调收敛，优化曲线可能不是凸的；

梯度范数性质：对于整个收敛区间η ∈ (0, 2/L)，梯度范数序列||∇f(x_n)||总是单调递减的；

其他关于二阶可导凸函数的梯度流凸性、光滑凸函数的梯度流凸性等结论也通过详细的证明过程进行了阐述。

GPT-5 Pro的新边界

在论文的第一版中，作者分别证明了步长不大于1/L和大于1.75/L时的情况，但在(1/L, 1.75/L]范围内则未有定论。

GPT-5 Pro通过更精细的不等式技巧，在短短17分半的时间内将1/L这个边界移动到了1.5/L。

而人类检查证明过程的时间，是25分钟，实际上GPT-5 Pro读论文并进行证明的时间还要长。

尽管GPT-5 Pro给出的证明最后被人类重新评估并改进，但其思路和过程与新版论文不同。

这意味着GPT-5 Pro确实具备了自主发现并证明数学规律的能力。

参考链接：

[1]https://x.com/SebastienBubeck/status/1958198661139009862

[2]https://arxiv.org/abs/2503.10138v1[3]https://arxiv.org/abs/2503.10138v2