AI 让未来需要更多的数学家

UCLA 教授 Amit Sahai 从自己读本科时的经历写起：一些学生并不是学不会数学，只是理解新概念需要更多时间。面对身边速度更快的人，他们逐渐认为自己不适合研究数学，最后离开了这个领域。如今 AI 的进展让许多职业数学家也开始体会类似的落差。

Sahai 接触到的 AI 系统已经不只是快速计算或执行人类熟悉的证明思路，也开始产生他认为相当漂亮的新想法。随着能力继续提高，人类数学家很可能越来越难跟上机器产生新知识的速度。但他担心的不是数学家失去竞争优势，而是人类因此逐渐放弃理解这些成果。如果大量重要发现最终只有 AI 能够理解，人类对重大技术决策的参与能力也会随之下降。

他设想了一种未来场景：AI 提出一种人类从未想到过的 1 太瓦核聚变电站设计，机器人已经能够把它造出来。即使 AI 同时给出了数学证明，也仍然有人需要理解证明依赖的模型、实验依据、材料行为、失效方式以及模型与现实之间的不确定性。否则，人类面对的将不是“AI 帮助我们做决定”，而是关系重大的决定建立在没有任何人类群体能够理解的理由之上。

因此，Sahai 设想未来会出现大量研究团队，花几个月甚至一年时间，在 AI 的帮助下消化 AI 产生的重要成果。数学家的工作范围也可能扩大，形成一种“可调动的智力储备”：当 AI 在能源、工程或其他领域产生影响巨大的新方案时，有足够多具备数学能力的人能够迅速进入问题，独立理解其中的技术依据。尤其不能只有提出技术的公司拥有这种理解能力，社会还需要独立的专业力量。

有人可能会认为，AI 提高了每位研究者的效率，因此未来需要的数学家反而会减少。Sahai 的判断正好相反。人的理解速度受生理条件限制，真正掌握陌生而复杂的思想需要时间，也需要可持续的工作节奏。如果 AI 让新发现的数量和速度大幅增长，人类为了跟上这些成果，可能需要更多数学家，而不是更少。数学研究的一部分任务，也会从创造新知识扩展到理解、验证并把机器产生的新知识重新纳入人类可以共同讨论和决策的范围。

Sahai 还特别说明，这并不意味着未来只有 AI 产生的数学值得研究。人类本来就会花很长时间消化重大成果，只是 AI 可能让这类工作急剧增加。文章本身也带着一个有意思的注脚：Sahai 表示，GPT 6 Astra 在这篇文章的起草过程中提供了重要帮助。

#AI #数学