前OpenAI后训练VP回应陶哲轩：说AI毁了数学，可能还是太小瞧AI了

说AI毁了数学，可能还是太小瞧AI了。

刚刚，OpenAI前后训练VPLiam Fedus，回应了陶哲轩等数学家关于“AI不应只追求解题，更应推动数学理解”的观点。

他赞同陶哲轩对概念理解的重视，但也认为不能用今天AI的能力边界，框定未来的可能性。

在Liam看来，未来的AI不仅能解决问题，还能提出有价值的洞见、建立新的概念框架，让数学家在此基础上继续探索。

换句话说，如果AI的训练目标不只是“把题做对”，而是进一步扩展到解释为什么、提炼方法、帮助人类理解，那么它最终可能成为一个既能给答案，也能创造新思路的数学研究伙伴。

这份乐观，与陶哲轩等25位菲尔兹奖得主最初联署的声明，既有共识，也有分歧。

双方都认同，数学不能只剩下答案。

不同的是，数学家们更担心，眼下AI公司追逐解题成绩的方式，会损害数学知识的积累与传承；而身处AI行业内部的Liam则更乐观地认为，随着能力继续提升，未来的AI本身也能够参与创造这些知识。

这一冷一热，也让网友们想到了当年的围棋。

AlphaGo虽然不会解释自己的走法，人类棋手仍然通过研究它的落子和胜率，从中学到了东西。

Liam也赞同这个类比，并引用了Noam Brown此前的判断：AlphaGo出现后，人类棋手的水平明显提高，数学领域或许也会出现类似的变化。

那么，今天的数学，正在经历围棋曾经走过的阵痛吗？

AI毁了数学吗？

9月11日，陶哲轩在个人博客发布《人工智能在数学中的严重错位》。

这份声明由25位菲尔兹奖得主共同署名，名单横跨近半个世纪，从1978年菲尔兹奖得主皮埃尔·德利涅（Pierre Deligne）一直到2026年菲尔兹奖得主邓煜（Yu Deng），几乎覆盖了现代数学界最具代表性的一批顶尖学者。

声明认为，当前AI公司将“解决著名数学难题”作为衡量模型能力的重要标准，与数学共同体追求概念理解、方法提炼和知识传承的目标存在严重偏移，甚至可能损害数学科学本身的发展。

具体来说，他们主要强调了五点：

1、解出难题，只是数学研究的一部分。数学更重要的目标，是理解背后的结构，发展出能够用于其他问题的新概念和新方法。

2、答案需要被理解，才能成为共同的知识。一项成果还要经过讨论、简化和系统整理，才能进入教材，被后来者学习和使用。

3、AI匆忙发布成果，可能忽视前人的贡献。缺少完整论证、方法梳理和恰当引用，会带来成果归属与剽窃方面的问题。

4、培养学生的过程，不能被最终答案替代。研究训练不仅为了得到结果，也为了让人学会理解问题、提出问题，并形成自己的想法。

5、AI有潜力促进数学，但如何使用它至关重要。数学界需要适应变化，AI公司也需要调整方向，让技术进步真正服务于理解与探索。

而这些担忧之所以在今天集中爆发，恰恰是因为AI做数学的能力，已经开始跨过一个新的门槛。

2024年，AI在数学上的代表性突破，还主要集中在IMO这样的竞赛数学，从银牌水平一路逼近金牌。

到了2025年至2026年，模型开始快速进入真正的开放数学问题，陆续挑战Erdős系列问题、几何猜想、千禧年问题这样的长期未解难题。

今年5月，OpenAI内部模型反驳了已有近80年历史的Erdős单位距离猜想。这个离散几何问题研究的是：平面上给定n个点，最多能有多少对点之间的距离恰好为1。

模型不仅构造出了无穷多反例，还在证明中引入了代数数论工具。相关结果经过外部数学家检查后，也被菲尔兹奖得主Tim Gowers等人称为“AI数学的里程碑”。

更进一步，9月初，OpenAI又宣布，利用约1万个自主AI Agent配合内部高级模型，在约88小时内找到了三维Navier–Stokes方程出现奇点的证明，并通过Lean进行了形式化验证。

如果这一结果最终得到数学共同体确认，那么AI面对的就已经不再只是“人类设计好的考试题”，而是开始真正进入那些困扰数学家数十年、甚至被列为千禧年大奖问题的研究前沿。

但当AI越来越像一个真正的“数学研究者”，新的问题也随之出现。

成果到底算谁的？谁应该署名？模型又是从哪里知道这个研究方向的？

9月初，纽约大学数学教授Tristan Buckmaster与Anthropic数学家Levent Alpöge公开了一项关于流体方程奇点的研究，而OpenAI几乎同期宣布，内部模型也在约1万个AI Agent协作下完成了相关证明。

随后争议迅速爆发。Buckmaster怀疑OpenAI是在得知他们尚未公开的研究方向后才开始攻题，双方随后又围绕署名、优先权以及模型是否可能接触过相关用户数据发生争执。

到这里，问题其实又绕回了Liam一开始回应陶哲轩的地方。

Liam相信，随着AI能力边界不断扩展，“解决一道题”和“给人类提供新的思考方法”最终并不矛盾。

未来的AI完全可能既负责找到答案，也负责建立一套能够被人理解、复用和继续发展的概念框架。

但问题在于，未来AI有能力产生洞见，并不能自动回答今天应该怎样组织研究，让洞见被人理解和使用。

当AI开始真正参与知识创造以后，这些知识应该如何产生、如何署名、如何被理解，又如何进入人类原有的学术共同体？

答案还远没有形成。但最近几家重要数学机构的连续发声，其实已经开始分别回应这些问题。

美国数学学会（AMS）强调，这次围绕Navier–Stokes方程奇点问题取得的最新进展，并不是AI凭空完成的一次突破。它建立在Navier、Stokes、Leray，以及近年的Córdoba、Martínez-Zoroa、Buckmaster、Alpöge等几代数学家的长期积累之上。

AMS最后也明确提出：数学的目的，是人类的理解。

伦敦数学会（LMS）则更进一步明确了AI的位置。

伦敦数学会（LMS）把AI定位成一种强大的新工具：它可以加速探索和发现，但提出问题、创造新概念和形成真正的数学理解，仍然是人的工作。

而真正负责千禧年大奖认定的克雷数学研究所（CMI），回应的则是另一个更现实的问题：

AI给出的结果，究竟怎样才能正式进入数学知识体系。

对于Navier–Stokes的新证明，CMI没有直接确认其已经成立，而是保持了非常谨慎的态度：结果仍然需要公开、经过同行检验，并接受长期验证。

与此同时，CMI也再次强调，重大数学难题的价值，从来不只是最后那个答案，还包括解题过程中产生的新思想、新方法和新的理论工具。

所以，未来真正值得探讨的问题，其实并不是“AI毁了数学”。而是当AI开始参与知识创造后，人类数学共同体该如何让这些由机器产生的新知识，被理解、验证，并真正成为数学的一部分。

Liam的话回答了未来，但更重要的可能是现在。

[1]https://x.com/LiamFedus/status/2099123244640989213

文章来源：量子位。