AI正在改变数学，但数学家担心它改变的不只是解题速度

2026年9月12日阅读约 3 分钟

导语

AI解数学题的速度越来越快，但数学界真正担心的，可能并不是机器会不会得到答案，而是人类是否还有时间理解答案、验证答案，并把其中的方法传给下一代。

据素材，陶哲轩、邓煜等25位菲尔兹奖得主作为首批签署人，发布了一份关于AI与数学研究的联合声明。声明并不主张停止AI，也不否认AI可能带来的数学进展，而是指出：部分AI公司的推进方式，正把数学研究过度压缩成可量化的基准测试，导致商业目标与数学共同体的长期目标出现偏移。

第一，答案速度超过知识消化速度。 AI可以通过大规模搜索、并行智能体和形式化工具快速提出证明或反例，但数学共同体仍需要时间检查细节、理解思路、比较既有工作，并将成果整理成论文、课程和教材。如果结果只停留在“真或假”的判断，数学知识未必真正增加。

第二，评价标准发生分叉。 AI公司更容易用解决了多少开放问题、用了多少计算资源来展示能力；数学研究则更重视概念洞察、方法创新、清晰证明和对前人工作的准确归因。声明担心，单纯追求问题数量，会把开放问题变成被快速消耗的库存。

第三，研究规则和人才培养面临调整。 素材提到的Navier–Stokes相关争议，将提示词归属、未公开研究思路是否被利用、作者署名、数据使用和成果验证等问题集中暴露出来。若研究者担心在对话工具中分享半成品想法，数学长期依赖的开放交流文化可能受到冲击。

在数学家看来，重大问题更像一座地标：它帮助研究者判断一个领域理解到了哪里，也吸引不同方向的学者围绕它发展新工具。问题解决后，真正的消化工作往往才开始，包括解释证明、提炼方法、连接既有理论，并让这些思想进入教学体系。

因此，AI最理想的角色或许不是替代数学家宣布“问题已解决”，而是承担检索、计算、代码生成、特例验证和形式化证明等工作，同时让人类保留提出问题、判断价值、解释结构和确认归因的责任。

这场讨论的影响并不限于数学。任何知识工作都可能遭遇类似矛盾：机器可以高速生产结果，但社会未必具备同样速度去验证、吸收和传承。对研究机构而言，需要更清晰的AI使用披露、数据边界、作者认定和优先权规则；对模型公司而言，发布“解题成绩”之外，也应说明验证状态、使用的研究材料及人类贡献。

AI并没有摧毁数学精神，但它迫使数学界重新回答一个基础问题：数学进步究竟是问题被消灭得更快，还是人类对结构的理解变得更深？