人类最高智力群体的联署

9月11日，一封联署信引发数学圈地震。

陶哲轩、邓煜、舒尔茨——25位菲尔兹奖得主联署了一份公开信，标题是：

《人工智能在数学中的严重错位》。

截至目前，联署人数已扩至3100+数学家。

这不是普通的"AI威胁论"。

这是人类最高智力群体，对AI公司叙事方式的正面宣战。

他们在警告什么？

OpenAI的N-S方程争议：一场"证明"引发的风暴

要理解这场联署，得先回溯OpenAI做了什么。

几个月前，OpenAI宣布：用大约一万个AI Agent工作88小时，宣布"证明"了纳维-斯托克斯方程——千禧年数学难题之一。

消息一出，全网震动。

然后，数学家巴克马斯特站出来指控：

OpenAI的"证明"，建立在他未发表的研究之上。

这意味着什么？

意味着AI不是"独立解题"，而是在海量训练数据中"拼凑"了人类未公开的研究成果，然后包装成"AI原创"。

这不是证明，这是剽窃。

更糟糕的是：这套"证明"根本无法被人类数学家验证。

太长、太复杂、步骤之间缺乏人类能理解的逻辑链。

数学界真正怕的，不是AI解题

说到这里，可能有人会想：数学家怕AI抢饭碗？

不对。

数学家怕的，是"批量生产真假结论"摧毁孕育思想的沃土。

数学这门学科，有点像建一座大厦：

• 猜想是图纸
• 证明是施工
• 思想是地基

如果AI能批量"生产证明"，会发生什么？

答案是：图纸越来越多，施工越来越快，但没人关心地基稳不稳。

一篇数学论文，从提出猜想、到证明、到同行评审、到被接受——这个过程通常需要几年。

因为在这个过程中，数学家在思考：为什么这个猜想是对的？为什么这条路走得通？

这个"思考的过程"，才是数学进步真正的驱动力。

如果AI绕过这个过程，直接给出"答案"——

人类会失去提出问题的能力。

为什么大模型在数学上"突飞猛进"

你可能好奇：AI凭什么能在数学上取得突破？

答案藏在机制里。

大模型在数学和编程上强，是因为有"验证器"。

什么是验证器？

• 编程：代码能不能跑，编译器一跑就知道
• 数学：一部分证明能不能验证，形式化证明系统能检查

有验证器，AI就可以不断尝试、不断修正、不断逼近正确答案。

但这套打法，无法复制到物理世界。

为什么？

因为物理世界没有"验证器"——你没办法让AI把某个物理理论"跑一遍"来验证对错。

数学和编程是"符号游戏"，物理是"现实游戏"。这就是本质区别。

谁是这场喧嚣里唯一的赢家？

但这场"AI攻占数学"的舆论喧嚣里，有一个奇怪的现象：

真正受益的，既不是数学家，也不是普通公众。

是曝光、排名和上市前的估值。

OpenAI发布N-S"证明"的时候，股价涨了一波。

各家AI公司在发布数学基准测试成绩时，数据一个比一个亮眼。

但这些成绩，有多少是真正推动了数学进步？

可能还不如一所大学数学系一年的贡献。

菲尔兹奖得主们站出来，不是因为他们反对AI——

而是因为他们受不了：有人用他们的学科，当作融资的噱头。

Gowers为什么拒签：反方的逻辑

有意思的是，菲尔兹奖得主Gowers公开解释了为什么他拒绝签署这封联署信。

他的观点很直接：

锅在学术界，不在AI公司。

什么意思？

Gowers认为，数学界的问题，是"论文灌水"和"同行评审失效"——这些问题在AI出现之前就存在了。

AI只是放大了这些问题。

如果因为AI出现，就把责任全推给AI公司——

这是在回避学术界自己的问题。

这个观点很犀利。

它提醒我们：菲尔兹奖得主们的愤怒，部分是冲着AI，但更大程度上是冲着整个学术评价体系的积弊。

当AI狂揽"证明"，谁来提出"猜想"？

最后，我想提出一个更深层的问题：

当AI能批量生产"证明"，谁来提出"猜想"？

数学史上最重要的突破，往往不是证明本身——

而是提出一个"没人想到的问题"。

费马最后定理困扰数学家三百年，但它的价值不只是"被证明了"——

它的价值是：让一代代数学家思考"为什么"。

如果未来的数学家不再练习"解题"这门基本功——

他们还能提出新的猜想吗？

这个问题，AI公司给不出答案。

中国视角：该从这场警告里读到什么

对中国AI公司来说，这场联署信有一个容易被忽略的信息：

数学基准测试的分数，不能等同于"数学能力"。

DeepSeek、Qwen都在冲击数学基准，都在刷榜。

刷榜没问题。

但如果把"数学基准SOTA"等同于"推动数学进步"——

那就是把营销当成了贡献。

真正推动数学进步的，是培养能提出猜想的人，不是训练能证明猜想的机器。

写在最后

25位菲尔兹奖得主联署信里，有一句话让我印象很深：

"我们担心的不是AI会做什么，而是AI公司说AI能做什么。"

这个区别很微妙，但很重要。

AI能做什么，是技术问题。

AI公司说AI能做什么，是叙事问题。

当叙事跑在技术前面，受损的不只是科学，还有公众对AI的信任。