目录

• 你可能想知道的
• 主要议题
• 关键见解表
• 后续...

你可能想知道的

• AI 是否能比人类更快地解决数学中最具影响力的未解问题，而人类尚未建立起相应的理论？

• 如果是这样，数学界应如何保护发现过程与该领域的长期健康？

主要议题

陶哲轩（UCLA 教授，广泛被视为当代杰出的纯数学家之一）对先进 AI 系统在数学研究中日益增长的角色发表了公开警示。他的关切不仅在于机器产出的解答本身，还在于对整个学科的广泛影响：具体来说，AI 可能正以比数学家发现并培育新问题更快的速度，消耗掉真正有价值的未解问题库。在陶看来，这威胁到数学进展的生态系统，而该生态系统依赖于谨慎挑选那些能教导新观念并塑造未来方向的问题。

数学长期以来依赖一种非正式的问题分流：许多可想而知的问题在技术上是未解的但无关紧要，而较少数的问题——那些能揭示结构、连接不同领域或推动方法论边界的问题——才是真正推动该领域前进的。任何人都可以制造出无限的琐碎或狭隘设计的未解问题（例如计算 π 的某个遥远位数），但这些大多无助于数学家理解更深层的模式或发展广泛有用的工具。人类集体选择要研究哪些问题的过程，受专业知识、历史与已知方法界限所塑造，并随时间演进出何者具有希望或具教学意义的判断。

历史上，新技术会压缩该景观的部分区域：曾被视为强大的一些方法，会使某些问题变得例行，从而为其能力之外的新前沿开辟道路。但陶主张，最新一代的 AI 系统改变了这种动态。这些模型有时能整合不同的想法，突破多年或数十年来困扰人类的问题。关键在于，很难划定模型能力的界限；一个问题对人类研究者而言可能看似难以攻克，但在给予充足计算资源或新颖提示策略时，AI 却可能解决。这种不可预测性削弱了人类通常对于哪些问题值得长期、渐进投入的判断。

这种担忧并非纯属假设。近几个月内，多起高关注度的例子显示，AI 研究努力可以迅速解决人类社群视为长期挑战的问题。在一个案例中，某大型实验室的先进模型提出了对 Erdős 单位距离猜想的反证——这是一个关于平面集合中恰好相距一单位的点对数量的八十年问题。该解答经数学家独立确认，并很快促使其他实验室测试其模型在相同问题上的表现。有些竞争系统产生了更短或不同的证明，研究者开始比较不同 AI 生成论证的相对优劣。这些事例凸显了一种新动态：仅仅是有传闻指出某个 AI 或团队正在研究某问题，就可能引发一波自动化努力，试图在人工研究深入之前抢先解决它。

其他例子包括 AI 协助形式化经典结果，以及对最近引起人类注意的问题迅速给出解答。在某些情况下，多个团队——人类与企业——在几天内几乎同时发表成果，有时产生不同的证明或形式化验证。那种由计算力与模型容量驱动，而非传统研究较慢的深思熟虑过程所引发的竞速，可能会缩短通常会产生超越单一答案的概念性见解的长期探索。

陶提出一种有针对性的回应，而非对数学领域禁止使用 AI 的不切实际做法。他建议将某些问题标注为“需分析”（"analysis-required"），意指若 AI 仅提供裸且正确的答案，且没有伴随能阐明所用方法、与相邻问题的连接或能指引未来研究的见解，则该答案价值有限。目标是保留数学工作的教学与生成功能：能够教导新技术、提出富有生产性的研究方向并在社群间建立共同理解的证明与说明。若缺乏对过程与解释的重视，该领域将有累积孤立答案之风险，而这些答案无助于深化集体工具箱。

实施这类标准会面临实际困难。界定哪些问题值得被标注为需分析、在期刊与预印本库中执行该标准，以及说服私人实验室接受关于输出质量的规范，都是不小的挑战。主要的 AI 开发者有不同的动机，可能不会在没有正式政策工具或广泛接受的学科背书下采纳社群特定的规范。即便如此，陶认为强调推理与透明的方法论，比试图全面禁止 AI 参与数学工作——他称之为“技术上不可行”——更为可行且建设性。

除了政策面之外，陶的警告突显了关于数学研究目标的更深哲学问题。首要目标是累积正确答案，还是培养能够重组何为重要事物的理解？历来最具影响力的成果，多是那些重新塑造数学家认为核心问题的结果。如果 AI 主要产出解答却未能揭示其重要性或如何与更广泛主题相连，该学科可能会失去一个对进步至关重要的机制：那种缓慢、常为协作的概念与技术的打造，正是未来发现之根基。

最后，陶强调速度与守护之间的相互关系。快速被解决的问题或许会被视为科学进步，但若该步调削弱了社群培育有意义问题及将技能传承给下一代的能力，数学的长期活力可能会受损。保留一个奖励深度、解释与教学的生态系统，将需要周详的社群回应、发表与验证的惯例，以及或许新的激励措施，鼓励产出能说明与泛化而不仅仅是解决的工作。

关键见解表

后续...

展望未来，数学社群必须在接受强大工具的同时，建立能保护该学科长期智识生态的政策与文化规范。鼓励强调解释的发表标准、推动协作式验证，并为澄清方法与建立关联的工作创造激励，能在 AI 加速解题的同时，帮助维持数学的生成核心。无论是通过像“需分析”标签的社群指引、改良的同行评审惯例，或与 AI 开发者的跨机构对话，目标应是确保答案附带使其有意义的推理。

陶的警告既不是反科技的宣言，也不是停止创新的呼吁；而是一个提醒，要保留使数学保持为累积且说明性的科学的实践。如果社群能调整其规范，既重视过程也重视结果，就能在保护产生下一代变革性想法条件的同时，利用 AI 的优势。