AI与数学：一场工具变革，而非终结

最近，AI在数学领域频频亮相。攻克某个猜想、发现某个新公式，这类新闻一出，总有一种声音随之而来：数学要完了，数学家要失业了，学数学没用了。

这种担忧可以理解，但仔细想想，它建立在一个很窄的数学观上。

AI目前做到了什么

目前AI在数学上的进展，大致集中在几个方向：辅助计算与搜索、形式化验证、从数据中发现模式和猜想、在人类给定框架下补上局部证明步骤。

真正“完全自主提出并证明一个重大猜想”的例子，仍然很少。很多被媒体称为“AI解决”的成果，实际是AI参与或加速了某个环节。这当然值得重视，但和“数学终结”是两回事。

数学家不只是解难题的人

有一种常见的误解：数学家的任务就是解决难题，AI把难题解决了，数学家就没用了。

但数学史给出的图景并非如此。牛顿为了力学搞出微积分，傅里叶为了热传导搞出傅里叶分析，图灵为了可计算性搞出计算理论，香农为了通信搞出信息论。难题往往是在用数学解决客观世界的过程中自然产生的。

数学家的角色，不只是解题，更是创造概念、发现结构、发明语言。AI可以处理已经形式化的题目，但“把现实问题转化为数学问题”这一步，仍然高度依赖人的判断和洞察。

需求会分化，而不是消失

数学越发展，可突破的方向越多，可用的结论也越多。按理说，需要的数学工作者应该更多，而不是更少。

但需求会分层：

• 能提出新框架、新方向、新问题的人，会更稀缺；
• 能熟练使用AI工具、懂形式化、懂计算、懂建模的人，会非常抢手；
• 只会重复性推演、不借助新工具、不跨领域的人，压力会明显增大。

所以问题不是“要不要数学家”，而是“需要什么样的数学家”。要求变了。

无人解读的证明，意义有限

有一种论调是：AI都能证明了，学数学还有什么用？

反过来想：如果没有人深刻理解数学，AI产出的那些证明，谁来解读？谁来判断它的意义？谁来把它接入更大的理论网络？谁来应用于物理、计算机、生物、经济？

数学的价值不只是“命题为真”。它还包括：这个证明揭示了什么结构？能不能推广？和哪些领域有联系？能启发什么新问题？

这些都需要受过数学训练的人来完成。没有这个群体，AI的产出就是一座无人能读的图书馆。

变化是真实的，不必回避

AI对数学的冲击是真实的：形式化证明可能成为标配，人机协作证明会更多，评价标准会变，教育内容会变。重复训练的价值在下降，概念理解、建模能力、形式化素养、跨学科视野的价值在上升。

真正的问题不是“数学家会不会消失”，而是：在AI时代，数学家的核心价值是什么？

我的理解是：提出好问题、创造新概念、建立跨领域联系、判断意义与价值、把形式结果转化为人类可理解的知识。这些AI可以辅助，但很难完全替代。

数学不会消亡，数学家不会不需要，数学专业不会消亡。但数学的工作方式、教育方式、评价方式会发生变化。

AI不是数学的终结者，而是放大器、加速器和筛选器。它会把数学推到更高层次，也会筛掉不适合新生态的人。

变的不是数学的价值，而是对数学工作者的要求。