陶哲轩博客爆上热搜！25万数学博士临绝境，必须放缓AI

新智元报道

点开菲尔兹奖得主陶哲轩的博客的评论区，你会感到一种前所未有的震撼——当今世界最顶尖的一批数学家、物理学家、AI圈大佬们齐聚于此，各抒己见，吵得好不激烈。

字里行间，探讨的竟是「数学界的生死存亡」与「人类学者的终极价值」。

而引爆这场世纪大辩论的导火索，是接连几天内发生的极具戏剧性的巨震。

就在这场大吵爆发的前一天，一段关于陶哲轩发声要求「放缓AI发展」的视频，刚刚在全网疯狂刷屏。

在视频中，这位向来拥抱新技术的顶级学者面色凝重，发出了史无前例的严重警告：

「我们必须放缓AI。现在的速度简直疯了，根本没有理由这么快——毫无理由可言！」

他接着说道：「令人惊讶的是，我们在完全不知道后果会怎样的情况下，竟然如此心甘情愿地改变一切。这是一种极端的非线性动态。」

更让人感到一种魔幻现实主义的，是时间线上的冲突——就在刚刚过去的上周末，陶哲轩本人才刚刚提议并大力推进了「SAIR：开源数学模型，以及如何做出贡献」的项目。

上周还在亲自为AI开源数学模型招兵买马，规划蓝图；昨天就突然拉响警报，疾呼「速度疯狂、必须放缓」；今天，他的博客就成了数学界直面AI的决战之地。

短短几天内，陶哲轩态度的激烈碰撞，彻底撕开了当前学术界面临的恐怖现实：延续近千年的数学研究体系和博士培养机制，正面临被AI彻底摧毁的绝境。

旧时代已死：人类学者将沦为平庸的机器工程师？

为什么陶哲轩会感到如此警惕，甚至认为这是一种「极端的非线性动态」？

因为AI攻占数学界的速度，已经超越了人类心智的承受极限。

在过去，数学研究是人类智慧王冠上的明珠。

一个数学博士，往往需要花费数年时间，在浩如烟海的文献中寻找灵感，为了证明一个小小的引理而绞尽脑汁。如果能做出哪怕一点点「原创性贡献」，就足以顺利毕业，并在学术界谋得一席之地。

但现在，时代变了。

随着AI大模型的极速进化，尤其是自动定理证明器（如Lean）与大语言模型的深度结合，AI已经拥有了令人胆寒的数学发现能力。

极具讽刺意味的是，陶哲轩曾大力推广的协作解题与Lean形式化验证工具，原本是为了方便人类学者交流，如今竟成了机器大军「围剿」人类的顶级武器。成千上万的AI智能体正不知疲倦地在简陋的留言板上协作，以光速探索着数学潜在空间的每一个阴暗角落。

面对不知疲倦、算力无边的机器，要求一个普通的人类数学博士在「证明定理」上去做出原创性贡献，已经变得极其困难。

有悲观者绝望感叹：传统的纯人类数学研究方式已彻底宣告终结。在短暂的过渡期后，一个由机器主导的新时代将悄然降临。而未来的人类学者，或许将可悲地沦为只能去「理解机器发现」的平庸工程师。

25万数学博士面临绝境？数学，这个延续了千年的古老学科，难道真的只剩下让AI疯狂刷榜、「做题」这一层意义了吗？

在这个生死存亡的十字路口，今天冲上热搜的陶哲轩博客文章，犹如漫漫长夜中的一座灯塔。这篇由著名数学科普大V、3Blue1Brown创始人 Grant Sanderson 撰写的客座文章，题目极具「宣战」意味：

《如果数学不仅仅是证明，我们需要更好地颂扬它的其余部分》

这篇文章，为面临AI冲击的数学界，指出了一条全新的自救之路。

数学的真谛：不是生成证明，而是「人类的理解」

Grant Sanderson 在文章开篇就抛出了一个振聋发聩的观点：

「当前数学界回荡着一种共识：解决问题和生成证明，一直以来只是数学家真正目标的『代理指标』。而数学家的真正目标，是增进人类的理解。当AI在没有任何『理解』的情况下也能生成证明时，『证明』作为衡量指标的价值就被彻底削弱了。」

这句话，狠狠扯下了学术界长期以来的遮羞布。

一直以来，学术界重「证明」，轻「阐述」。

你证明了一个千禧年大奖难题，你就是神，就能拿菲尔兹奖；但如果你只是把一个复杂的定理讲得深入浅出，哪怕惠及百万学子，在传统的学术评价体系里，你也只会被打上「搞科普的」标签，算不上硬核学术贡献。

Sanderson 一针见血地指出：AI现在就是一个无情的「证明生成机」。

如果外界认为能写证明的机器让数学家变得多余，那么，数学界就必须站出来，用全新的奖励机制向世界大声宣告——人类数学家的核心价值，是对知识内在联系与清晰性的追求，绝不仅仅是一台证明机器！

为此，Sanderson 正式提出了一个可能改变未来数学界格局的新概念：「动机阐释」。

什么是「动机阐释」？它和冷冰冰的「证明」有什么区别？

在证明中，定义往往放在开头。 传统数学家喜欢直接甩出一个全新的、晦涩的结构，然后开始冷酷地推导它的性质。

在动机阐释中，定义坐在中间。 只有当我们要解决的问题已经被清晰地建立，新的结构才被允许引入。你要告诉读者，我们为什么要发明这个概念？

在证明中，每句话都必须是100%正确的， 每一个主张都必须是前文的必然推论。

在动机阐释中，你可以从一个「虽然简单但却是错误」的想法开始。 这叫作「探索式虚构」。你可以带领读者经历「提出错误想法 -> 发现哪里崩溃 -> 修复问题 -> 发现新问题」的过程。因为，这才是人类大脑认知世界的真实过程！

证明的目的是告诉你：「这个定理是对的。」

而动机阐释的目的是告诉你：「这个定理为什么是对的？它是怎么被想出来的？为什么一开始我们要提出这个问题？它在更宏大的数学宇宙中处于什么位置？」

网友 Mark Miner 在评论区的一段话极其生动地点明了这一点：「100%赞同。如果我六年级的侄女听不懂这个证明，那它就还没有被解释得足够好，不能称之为证明。」

他举了黎曼猜想中Zeta函数的例子：「看看那些可视化图形，你就能凭直觉感受到为什么实部必须是1/2，函数才会在范围内归零。如果小于1/2，线圈变红膨胀；大于1/2，线圈变蓝收缩。你可以像小孩子玩蒙特梭利玩具一样自己调整参数。这才是真正的理解！」

大神们的呼唤：设立「开放式阐释问题」

为了让「动机阐释」不再是毫无学术回报的「用爱发电」，Sanderson 在陶哲轩的博客上提出了一个极具颠覆性的倡议：设立「开放式阐释问题」。

这个想法其实早有渊源。

早在2007年，数学家 Timothy Chow 就曾提出过类似的概念：解决一个「开放式阐释问题」，意味着以一种完全透明、清晰的方式解释一个数学主题。每一步都应该有动机；最理想的状态是，让学生觉得「我上我也行」，他们自己也能推导出这个结果。

但当年，这个提议响应寥寥。因为那时候，人类还在为证明定理焦头烂额。

而今天，情况变了。Sanderson 指出：「目前，AI生成的每一个证明，天生就是一个『未解决的阐释问题』。」

想象一下未来几年，AI疯狂吐出成千上万个冷冰冰、毫无逻辑美感、甚至长达几千页的代码级证明。

这就像机器扔给了人类一座座矿山，如果人类不去提炼、不去解释、不去建立概念之间的桥梁，这些「真理」对人类的心智而言将毫无意义。

已故数学大师、菲尔兹奖得主 Bill Thurston 在1993年那篇著名的《论数学的证明与进展》中就写道：

计算机的飞速发展突显了这一点……当Appel和Haken利用海量计算完成四色定理的证明时，引发了巨大争议。

我认为这并不代表人们怀疑定理的真实性，而是反映了人类一种持久的渴望：除了知道定理是真的，我们还渴望通过人类的心智去真正理解它。

为了推动这一转变，Sanderson 提出了几条极具实操性的呼吁：

1.重塑博士答辩：导师不要只让博士生去解题，可以让他们用AI解题，但最终的考核指标是：你必须举办一场演讲，把这个晦涩的难题或AI证明，给全系的师生讲得明明白白。

2.现代版的希尔伯特问题：呼吁陶哲轩这样的数学界领袖，发布一份「未解决的阐释问题」清单，告诉全人类，哪些重要的定理我们至今仍是「知其然而不知其所以然」。

3.改革终身教职评定：将编写优秀的教科书、制作具有高度启发性的学术内容，置于和发表顶级期刊同等甚至更高的地位。

最近，研究者 Liam Price 利用 GPT-5.4 Pro 解决了一直难以攻克的 Erdős 第1196号问题。

然而，最初的AI证明虽然存在，却像天书一样，人类的理解并没有因此推进。

随后，多位人类数学家（包括陶哲轩本人在内）接手了这篇「天书」。他们破译了AI的方法，提取出了核心思想，并将其整理成了人类可读的论文。更重要的是，人类学者阐明了这个核心思想不仅解决了原始问题，还澄清了周围的许多相关猜想。

在这个过程中，AI只是「挖矿机」，而人类数学家才是真正的「珠宝设计师」。 那篇理清脉络、升华思想的人类论文，远比AI输出的原始代码值得庆祝。

激烈交锋：物理学家的群嘲与守旧派的担忧

陶哲轩的这篇博客一出，X上和评论区立刻化身为大型「学术辩论场」。

最先赶来「嘲讽」加「欢迎」的，是隔壁物理学界的同行。

著名物理学家 Lenka Zdeborova 发了一条火药味与幽默感兼具的推文：

「25年来，我们搞理论物理的总是被告知『你们那不叫数学』，因为我们优先考虑的是『理解』而不是『严格的证明』。现在看到数学界因为AI而产生这样的辩论，我感到非常暖心。突然之间，许多数学家开始解释：数学是关于理解的，而不仅仅是证明。欢迎来到我们的世界！」

有网友附和道：「物理学家和数学家的核心哲学分歧就在于：物理学家认为数学背后有一个现实，数学只是在试图逼近现实；而数学家认为，数学本身就是现实。现在AI把数学高高在上的『神性』打碎了，数学家终于要回归人类的直觉了。」

当然，数学界内部并非毫无保留地接受这种转向。许多学者表达了深深的担忧：

反对声音一：这是对不善言辞的天才的埋没！

有人留言提到已故的数学天才Jean Bourgain。

布尔甘以其粗犷、直接、甚至极其难读的论文风格著称，但他解决问题的能力是核弹级的。

「如果你把评价标准转向『阐述』，那布尔甘这样不善言辞但能证明惊世定理的天才是不是就被埋没了？难道要让未来的布尔甘流失到工业界吗？」

对此，陶哲轩本人亲自下场回应。

他温和却有力地反驳：「我认为布尔甘牺牲阐述而专注于解题，是那个时代奖励机制的『后果』，而不是这套机制合理的『证明』。我私下与他接触过，他完全具备极佳的阐述能力。如果当年的学术环境能给『阐述』更多的权重，他调整写作风格后，对数学界乃至更广泛群体的贡献，绝对比现在还要巨大！」

反对声音二：AI迟早也会掌握「完美阐述」！

还有学者（如Tsimerman）指出，不要太天真了。

AI现在的阐述能力确实一般，但未来大模型必定能生成比人类更完美的教科书级别的「动机阐释」。

如果连「理解和解释」都被AI包揽了，人类数学家还能干什么？

一位匿名网友一针见血地回应了这种「AI万能论」：

「我对某些人对AI的盲目崇拜感到惊讶。什么是『最好的阐述』？这高度取决于试图理解数学的那个特定人类。没有一个静态的『阐述有效性函数』。我们之所以要关注阐述，是为了促进『人类对数学的理解』，而不是『机器对数学的理解』。」

没错，哪怕AI把菜做得再好吃，人类也需要自己咀嚼和消化，才能获得营养。数学不是为了把冰冷的真理堆满服务器的硬盘，而是为了让人类的心智得到升华。

一位提议将「有限单群分类」作为首个「千禧年阐释问题」的学者留言说得令人动容：

「这项证明涉及数千页论文，甚至很多专业数学家都无法完全理解。随着老一代专家逐渐退休，这门手艺有成为『失传手艺』的危险。如果我们在面对未来AI生成的数千页证明时不想束手无策，我们就必须从现在开始，进行大规模的跨界合作，为这些宏大的数学建筑提供『动机阐释』。这是一次人类保卫自身理性的演习。」

危机还是转机？新时代的入场券

回到文章开头，上周还在开发开源数学模型的陶哲轩，昨天为什么要在视频中发出「疯了，必须放缓AI」的严重警告？

因为极端的非线性动态，意味着失控。

陶神的绝望和呼吁，并非因为人类在算力上输给了机器，而是因为我们在文化、体制和心理上，根本没有做好迎接这场大变革的准备。

如果学术界依然死守着「唯证明论」、「唯论文论」的僵化体制，那么在这场AI的海啸中，成千上万的青年学者确实将面临绝境，人类的数学信仰也将受到毁灭性的打击。我们在不知道后果的情况下，正在亲手摧毁延续千年的学术生态。

但是，如果我们按下暂停键，好好审视一下 Grant Sanderson 提出的这场「文化转向」呢？

正如他在文章末尾所言：

「对于现在的年轻学生来说，这其实是进入数学领域最令人兴奋的时代。因为没有比进入一个『具有极强可塑性』、并且你『有机会积极塑造其未来面貌』的领域更令人激动的了。」

当繁重、枯燥的逻辑推演被AI接管，人类数学家终于可以从流水线上的「证明工人」，进化为真正的「数学建筑师」和「思想哲学家」。

我们可以有更多的时间去问「为什么」，去寻找不同领域之间不可思议的联系，去把高深莫测的宇宙密码，翻译成六年级小女孩也能看懂的跳动图符。

正如网友引用的 Scale AI 创始人 Alexandr Wang 的那段话：「正如我告诉我侄子的，数学会让你自由。」

在钻研得足够深的任何事物中，你都会发现数学。数学是连接整个宇宙的网，是物理学定义世界的语言，更是人类在浩瀚无垠的真理之海中，确认自身存在的最美印记。

AI可以递给我们满满一袋子名为「真理」的答案，但面对这无尽的真理之海，唯有深刻的「人类理解」，才能化作我们航行的罗盘。

旧的时代正在崩塌，但一个真正属于「人类心智理解」的数学文艺复兴，或许才刚刚开始。

参考资料：

https://x.com/stevenstrogatz/status/2101490647752479151https://x.com/8teAPi/status/2101484024455983467

编辑：Aeneas