OpenAI 最近对纳维-斯托克斯方程的证明,标志着数学领域的一次重大转变,其核心在于使用了 Lean 4 进行机器可验证的证明。 从历史上看,将数学证明形式化极其耗费成本。曾有估算表明,形式化一页本科数学内容需要 40 个工作小时;若将此逻辑应用于复杂的学术论文,意味着每个项目需要数千小时的工作量。然而,OpenAI 仅用了 17 小时就验证了他们 166 页的论文——这使工作量降低了四个数量级。 这一跨越具有真正的革命性。通过让形式化验证变得触手可及,人工智能将其从一种精英化、耗时的学术实践,转变为普通研究人员可用的实用工具。除了纯数学领域,这项技术还对网络安全、智能合约审计以及关键任务软件工程等高风险领域具有深远影响。随着验证成本的暴跌,保证复杂系统正确性的能力将成为一种标准预期,而非奢侈需求。
随着人工智能生成图像的发展速度超过了检测工具,焦点正转向“拍摄证明”(Proof of Capture),即在源头验证真实性。受此挑战启发,作者与亚历克斯·霍恩斯坦(Alex Hornstein)利用树莓派(Raspberry Pi)和 ATECC608 加密芯片制造了一款开源相机。与容易被剔除的传统元数据不同,他们的方法使用隐写术将经过签名的感知哈希值直接嵌入图像像素中。这种水印在压缩和调整大小后依然存在,使得照片即使在分享后仍可验证。
此项进展与苹果公司新推出的“参考图像”(Reference Image)工具同期出现,该工具通过创建“数字底片”来验证相机拍摄的内容。然而,作者对苹果的专有方案表示担忧,认为它绕过了行业标准的 C2PA 框架,并将信任根集中化。
虽然这两种方法都非万灵药——“屏幕攻击”(拍摄显示屏上的虚假图像)仍是一个漏洞,但这些举措是恢复数字来源可追溯性的关键一步。作者的项目是开源的,允许任何人以不到 100 美元的成本制作自己的验证相机。