ARTICLE · 1112120
顶尖高中生靠AI几周手搓毕业论文?哈佛24位数学巨擘紧急开会:博士学位不再单看论文!
作者 | 周恺
编辑 | 杨帆
一个顶尖的高中生，一边打着电子游戏，一边给智能体（Agentic AI）喂充足的算力额度。几周之后，他可能就随手“跑”出了一篇达到顶尖大学数学博士水准的毕业论文。
听起来像科幻小说？
但在2026年秋天，全球最顶尖的一批数学家，正为了应对这一现实而紧急关门开会。
就在哈佛大学的一间会议室里，24位来自哈佛、普林斯顿、MIT、斯坦福、伯克利等顶级名校的数学领军学者，完成了一场注定载入学术史的闭门峰会。会后，他们通过一份报告，向全球数学界抛出了一个震撼的提议：
数学博士学位的授予，绝不能再主要依赖那份厚厚的学位论文文本了！
▲ 哈佛大学数学系官网：人工智能时代数学博士教育峰会
延续了数百年的学术“硬通货”，在AI时代，正在被它的缔造者们亲手重构。
01剑桥两日密会：百年学术“硬通货”突然失灵
2026年9月17日至18日，哈佛大学数学系与数学科学与应用中心（CMSA）联合发起了一场名为“人工智能时代的数学博士教育峰会”（Summit on PhD Math Education in the Age of AI）。
发起人阵容堪称学术界的“全明星”：Dan Freed、Joe Harris、Mark Kisin、Melanie Matchett Wood。与会的24位学者，几乎覆盖了欧美顶尖数学重镇的核心骨干。
随后，这份题为《Report of Summit on PhD Math Education in the Age of AI》的报告第一稿由菲尔兹奖得主陶哲轩（Terence Tao）在其个人博客全文转发，迅速引发了全球学界的广泛讨论。
▲ 峰会报告首页：开篇直面AI对数学教育的系统性冲击
▲ 陶哲轩博客发布峰会客座文章，向全球数学界征求修订建议
在这份沉甸甸的建议书中，最具冲击力的一句话写道：
“博士学位不应主要依据学位论文的文本来授予（Doctoral degrees should not be awarded primarily based on the text of the dissertation）。”
为什么？
因为在过去几百年里，学术界存在一个心照不宣的假设：能写出一篇逻辑严密、推导深刻的几百页论文，就代表作者的大脑完成了相应的智力进阶，具备了独立做科研的能力。
在社会学和统计学里，这叫“代理指标”（Proxy Metric）。就像招飞行员看视力和反应速度，看论文文本，就是考核一个人学术内力的“代理指标”。
然而，生成式AI与推理模型的出现，彻底击碎了这个逻辑链条。
计算机科学家丹尼尔·勒米尔（Daniel Lemire）在社交网络上一针见血地指出：
▲ 计算机科学家 Daniel Lemire 发文指出：AI 正在摧毁学术界原有的排序筛选机制
“如果一位博士在2022年辛辛苦苦写完了一篇数学博士论文，现在的聪明高中生一边玩游戏一边用AI就能生成同等水平的产出。学术论文的核心功能长期以来是给学术就业做人才排序，而AI彻底砸烂了这个排序机制。”
当AI可以在数周内产出语法无可挑剔、公式推导完备、甚至结构天衣无缝的“博士级论文”时，论文文本本身，已经难以作为衡量学者透彻理解深刻数学的凭据。
指标，彻底失灵了
02峰会的九条硬核建议：全面重回现场考核
既然白纸黑字的文本不再可信，那该拿什么来证明你的博士学位货真价实？
哈佛峰会给出的答案简单、粗暴，甚至带着一种原始的硬核：回到线下，当面硬碰硬。
▲ 报告评估专节：将评估中心全面转移至多维度的当面审查
报告给出的核心建议包括：
- 废黜平时作业的考核功能
：课后作业学生可以继续做，但成绩评定必须全部基于线下面对面的笔试或口试，防止大模型代写作业混取学分。 - 论文只作为答辩的“口供”，而非“结论”
：毕业论文依然要写，其主要职能转变为一场严酷口头答辩的基础文本，不能仅凭交稿直接换取学位。 - 引入常态化的年度当面审查委员会
：博士生不能再躲在导师背后“闭门造车几年交一篇大论文”，每年都必须面对多位教授组成的委员会进行严格面对面答辩，交代自己的思考过程与进展。 - 重新定义“原创性贡献”
：在AI能够快速给出某种证明的时代，不必强求学生的论文必须是某个命题在人类历史上的“第一份证明”，关键看学生能否证明自己对该领域逻辑架构具备全盘掌握和深刻洞察。
峰会的逻辑非常清晰：AI可以生成漂亮的推导，但AI无法代替你坐在几位大宗师面前，实时回答“你为什么在这里构造这个辅助函数”、“这个定义的拓扑直觉到底是什么”。
只要把考核场景拉回到黑板前、白板前，让学生脱离屏幕拿起粉笔，谁融会贯通、底子扎实，谁只会按提示词跑模型，高下立判。
03划定红线：AI辅助科研的“十级风险谱系”与三条底线
数学家们并未盲目排斥技术他们十分清楚：全面禁止AI既不现实，也毫无意义。
在这份报告的第5页，专家组极具创造性地给出了一个AI科研使用的“十级风险与收益谱系”。从浅水区的安全辅助，一路划到深水区的智力毁灭区：
- 图表绘制（Making figures）
：用于几何直观可视化（安全）； - 文献检索（Literature search）
：跨领域查找已有结果； - 语言修辞润色（Cleaning up language）
：帮非母语作者理顺句子； - 校对排错（Proofreading）
：排查符号印刷错误； - 跨领域快速扫盲（Rapid introduction）
：快速建立宏观术语感； - 代码编写与数值实验（Coding & Exploration）
：写脚本验证小规模反例； - 自我压力测试（Self-refereeing）
：让AI扮演挑刺的审稿人，攻击自己的证明漏洞； - 证明自动形式化（Autoformalization）
：把自然语言转化为Lean等机器可验证代码； - 深层方向探索与头脑风暴（Brainstorming）
：寻找潜在的研究选题； - 端到端证明生成（Proof generation）
：直接让AI完成从引理到整篇定理的证明（高危区！）。
报告明确给年轻学者敲响警钟：越靠近谱系的底层，你就越是在把本该由人类大脑完成的“认知苦工”外包出去。
数学家们为此确立了一条不可动摇的金科玉律：
“AI的使用应当旨在加深理解，切勿架空理解（AI use should accelerate understanding, not bypass understanding）。”
攀登数学高峰时那些痛苦的抓耳挠腮、那些看似徒劳的推导试错，恰恰是人类构建顶级数学直觉的唯一路径。如果你用AI把这些痛苦全部绕过去了，你得到的也许是一份完美的PDF，但失去的，是你作为数学家的大脑。
此外，报告还划定了三条严格的伦理防线：
- 署名全责
：挂你名字的论文，哪怕里面只有一行是AI写的，推导有错你也得负全责； - 强制披露
：论文里用了什么模型、介入了哪一步，必须一清二楚地公示； - 数据知情同意
：在把未发表的灵感、讨论草稿输入商用AI之前，必须征得所有合作者的明确书面同意。
针对第三点，牛津大学数学家本·格林（Ben Green）在讨论中直言：未发表的数学火花是极其脆弱的，一旦被商业模型抓取后台训练，极易造成隐秘的学术泄密。这也让许多数学家转向在本地部署开源权重模型（open-weight models）来保护自己的前沿思想。
04社交网络热议：答辩本就是表演？口试会不会选出“学术政客”？
这份建议稿一经公开，立刻在学术圈激起千层浪。
▲ 社交网络上的浓缩转述迅速发酵，引发全球学术讨论
赞同者拍手称快，但质疑与担忧的声音同样尖锐而真实。
争议一：答辩在现实中早就沦为了“走过场”
知名逻辑学者乔尔·戴维·哈姆金斯（Joel David Hamkins）在推特上泼了一盆冷水：
▲ 逻辑学者 Joel David Hamkins：很多大学的答辩早就沦为了一种形式表演
“以我在全球多所大学参加众多答辩委员会的经验来看，现行的博士答辩往往沦为一场礼仪性的过场表演，缺乏动真格的实质考核。真要落实面对面严格审查，单改规则远远不够，必须彻底重塑整个学术文化！”
计算机科学家 Daniel Lemire 也发博客附和道：在过去的体系里，几乎只要论文写得体面，答辩哪怕学生一问三不知，委员会也很少真的卡人让学生挂科。
▲ Daniel Lemire 博客长文：光靠一篇论文已经不足以支撑一个博士学位
争议二：数学难道要变成“辩论赛”吗？
另一类极具代表性的担忧是：口试真的公平吗？
有学者在讨论区提出：如果过度强调线下面对面答辩、即兴反应与口头表达，会不会把数学博士学位颁发给那些“擅长像优秀律师一样当众表演”的人？
▲ Carlos E. Perez 质问：这会不会让口才出众的表演型选手占尽便宜？
德国数学家因戈·阿尔特霍费尔（Ingo Althöfer）在陶哲轩博客留言提醒大家：历史上很多最伟大的数学家其实极其不擅言辞。比如有限单群分类的奠基人之一伯恩德·费歇尔（Bernd Fischer），他在台上作报告时常常含混晦涩、让人如坠云雾，但他脑海里的深刻推演却石破天惊。
如果把考核全盘押在“当面口试”上，会不会扼杀掉那些性格内向、有社交焦虑、但在黑夜里能独立击碎未解难题的孤独天才？
争议三：逻辑自相矛盾？
数学家保罗·雷蒙-罗比肖（Paul Raymond-Robichaud）则指出了建议中的一个微妙张力：
▲ Paul Raymond-Robichaud 截图指出：第8条强调原创贡献，第9条又说不能看论文，是否存在张力？
“一方面，报告第8条要求博士论文必须产出原创学术贡献（仿佛AI做不到原创）；另一方面，第9条又说不能再凭论文文本授予学位（因为AI已经能写了）。”
这种看似矛盾的背后，恰恰折射出整个数学界在AI突飞猛进面前的深层焦虑：当人类自己都很难界定某一段推论到底多大程度上来自AI的启发时，“独立原创”四个字的边界到底在哪里？
05终极追问：当机器比人类更会写证明，数学家还剩下什么？
哈佛这场峰会，表面上看是一场关于“博士培养规章”的修法讨论，但它的内核，是一场人类智力最高阵地的保卫战。
数百年里，科学界构筑起了一套庞大而精致的城堡：同行评议、期刊发表、长篇论著、引用指数。我们习惯了用这些厚重、易于量化的“纸面成果”，来判定一个人是否攀登上了真理的高峰。
然而，AI的到来，像一道强力激光，瞬间把这些外在的包装纸烧得一干二净。
当一串提示词就能换来一篇结构工整的论文时，人类不得不退守到最后的本质防线：你，究竟有没有深刻理解它？
这正如哈佛报告在字里行间反复呼喊的那句话：
数学的终极意义，远非在纸上印制繁复难懂的符号；它的灵魂，是人类心智在与宇宙规律碰撞时，所迸发出的那一抹纯粹的理解之光。
机器可以飞快地证明一千个引理，但唯有人类，会在理解一个深刻定理的瞬间热泪盈眶。
在AI奔腾咆哮的2026年，哈佛的24位数学家把考题重新交回了人类自己手中，放下你的模型，关掉你的屏幕，走到黑板前，拿起粉笔。
证明给我看，你的大脑，依然无可替代