数学家联合抵制AI！陶哲轩带头发声，AI在这一点确实比不上人类

很多人都觉得，AI能攻克高难度数学问题，是科学界的大好事，能极大推动学术进步。

可现实却截然相反，以陶哲轩为首的一众顶尖数学家，直接公开和 AI 巨头划清界限、坚决抵制。

看似助力科研的AI技术，为何反而成了整个数学圈的争议焦点？

而这个问题的答案，要从这里说起... ...

我认为这件事最容易被人忽略的一点是：这一次的成果，并不是AI解决了几百道世界级难题。

OpenAI调用自家内部模型测试了大约4000个开放性数学问题，最终筛出约5%左右的可用成果，平均每攻克一道高难度题目，只需要3小时的模型运算。

虽然机器完成运算的时间很短，但是，人类顶尖学者想要啃下同等级别的难题，往往要投入数年甚至几十年持续钻研，这种时间上巨大的落差，也是很多学者心里难以接受的地方。

理论计算机科学家ScottAaronson，更是把这次事件形容为数学领域的一场巨大危机。

很多网友会下意识觉得，能解出难题就是好事，但是，我们不能只盯着“解题数量”这一个指标，毕竟数学这门学科，从诞生起就不单单追求拿到答案，探索过程本身同样具备很高价值。

OpenAI当初为了向学术界传递合作的态度，联合普林斯顿高等研究院设立数学与人工智能咨询小组，对外宣传会和数学界一起协同开展研究。

设立这个咨询小组，本身是一件有利于双方的好事，小组在前期报告里，明确划定了几条研究边界。

小组建议AI企业不要在外界无法查看的私有模型上测试高难度数学问题，同时要求公开模型信息、提示词、推理过程、算力消耗等关键资料，AI生成的证明内容，也需要做到方便数学家阅读复核。

但是，从这批公开手稿来看，OpenAI并没有完整落实咨询小组提出的标准。

在我看来，咨询小组给出的约束意见没有被重视，才是这次矛盾激化的关键。

虽然企业对外宣称听取了专家建议，可实际落地的动作，和专家给出的底线要求存在明显差距，说到底，双方对于“合作”两个字的理解，从一开始就不在同一个层面。

ScottAaronson分享了同行DanaMoshkovitz的亲身经历，Dana花费多年时间深耕唯一博弈猜想，而OpenAI的成果列表里，直接写明这个猜想已经完成证明。

我认为，陶哲轩本人并不抗拒AI辅助数学研究，他自己也会使用AI工具，他反对的，是把快速攻克知名难题，当成展示模型能力的手段。

数学研究不只是拿到一个最终答案，更重要的是读懂推导过程，并且借着这次突破，拓展全新的研究方向。

在传统数学研究体系里面，当一位学者攻克重大猜想，后续会开展学术报告、同行之间互相讨论。

这份证明会不断被简化解读，写进教科书，还会衍生出新的研究方向，带动大批研究者持续探索。

而AI产出证明的这套模式，打破了这套延续很久的学术节奏，AI完成推导之后，很少有人能完整讲清楚机器的思考路径，后续的研讨、科普、拓展研究很难落地。

更让学者担心的一点是，一个难题一旦对外宣称已经解决，就算这份证明本身存在漏洞，研究者也很难再把它当成未解决问题去探索。

仅仅知晓“答案已经存在”这件事，就会干扰研究者寻找其他研究路径。

不少青年研究者也因此产生顾虑，担心自己正在研究的方向，被大模型抢先产出结论，很多人不敢对外公开自己的研究选题。

陶哲轩觉得，这种批量挖掘数学难题的方式，会慢慢消耗数学领域的研究沃土，长期来看不利于学科发展。

时间回到2024年，陶哲轩当时对AI助力数学研究抱有期待，他认为AI会像国际象棋程序那样，充当数学家的辅助工具，人类依旧掌握研究主导权。

可是短短时间之内，双方角色出现变化，AI负责产出证明，人类学者却要花费大量精力去读懂机器生成的内容，就我梳理出来的结果来看，古老的数学学科，正被推到一个全新的十字路口。

这场争论之中，学术界并没有形成一边倒的看法，图灵奖得主杨立昆，就提出了不一样的观点。

他认为数学正在迎来全新发展阶段，形式化证明会逐步走向自动化，未来数学研究的重心，会转向创造新概念、抽象理论和全新猜想。

他用船只的诞生做类比，船只出现之后，人类游泳能力的重要性有所下降，但是人类依靠船只，发现了更多未知大陆。

杨立昆并没有否认AI带来的变化，他只是认为自动化证明不会终结数学，反而会把研究者的工作重心转移到别的方向。

一边是担心算力批量挖掘难题，破坏数学研究底层逻辑，另一边认为自动化证明，会打开全新研究边界。

在我看来，两种声音的碰撞，本质上不是要不要AI参与数学研究，而是我们该定下什么样的规则，让人工智能参与前沿学术探索。

技术向前推进的速度越来越快，AI已经踏入数学这片依靠纯粹思考推进的领域。

未来很长一段时间，人工智能和基础学科之间的边界，还会持续讨论和磨合。