ARTICLE · 1138108
OpenAI时代的数学教育,该如何进行?
发布时间：2026-10-08 08:36:04 最近访问：2026-10-08 08:36:05
OpenAI时代的数学教育,该如何进行?
9月底，OpenAI把一个未发布模型的722篇数学手稿一口气放上了GitHub，数学界到今天还在消化这件事。很多家长在问：AI都能做数学研究了，孩子的数学还要不要学、怎么学。这篇文章就把这件事和这个问题放在一起聊聊。这批手稿覆盖372个未解难题家族，据整理，触及“全球前500公开数学难题”中的约90个[1][5]。最扎眼的一篇落在黎曼猜想家门口：证明了狄利克雷L函数在 Re(s)>7/8（zeta函数在 Re(s)>11/12）的整个区域内无零点[4]，等于宣告纠缠数论界上百年的“朗道–西格尔零点”幽灵不存在，并且附带了Lean形式化验证代码。据披露，平均每个问题只用了约3小时的模型推理算力[5]。GitHub 上的 openai/math 仓库（截图：作者）[8]用人类的时间尺度感受一下这件事。朗道–西格尔零点问题从狄利克雷提出L函数算起已近190年；人类此前最好的进展，是张益唐2022年宣称的一个弱得多的版本，至今未获学界完全确认，而他为这类问题断断续续投入了二十多年。AI用3小时，走到了人类190年路程的最后一公里附近。仓库中官方 overview 手稿首页（截图：作者）[8]• 2024年7月，DeepMind的AlphaProof在IMO达到银牌水平；
• 2024年11月，陶哲轩联合60多位数学家命制的FrontierMath基准发布，当时顶尖模型通过率只有约2%；
• 2025年7月，OpenAI的实验模型拿下IMO金牌，每题约35分钟；
• 2025年10月，两位研究者用一个周末加GPT-5解掉10个埃尔德什级别的悬案；
• 2026年9月，722篇研究级手稿一夜放出。
两年时间，从竞赛银牌到研究前沿。宾夕法尼亚大学教授苏炜杰称之为“哥白尼式的范式转变”[1]。而且这不只是数学一个领域的事：AlphaFold把蛋白质结构预测从几个月的实验变成了几秒钟的查询，AlphaEvolve改进了保持数十年之久的矩阵乘法纪录，还在给谷歌的数据中心省电费。科学进展的“打印速度”，第一次整体超过了人类的“阅读速度”。仓库 reasoning_traces 目录，每篇论文一个 PDF（截图：作者）[8]《科学美国人》形容整个数学界“陷入震动”[3]。据报道，40位顶尖数学家8月闭门开会，讨论的已经不是AI会不会做数学，而是人类数学家还做什么。9月，陶哲轩罕见地撰文警告：AI连数学界百年开放的分享传统都可能动摇[6]。历史给过我们预演。计算器没有取消算术教育；国际象棋引擎碾压人类冠军之后，学棋的孩子反而更多了——但学法彻底变了，没人再背引擎能算的变化，全部转向理解局面与计划。数学教育正在迎来同样的时刻。变的东西，最要紧的是稀缺性换了位置。以前数学界缺的是证明，以后缺的是看懂证明的人、判断哪个证明重要的人、提出好问题的人。722篇手稿放出来之后，卡脖子的已经不是产生，而是验证，人类的审稿能力成了整个系统的瓶颈。技能的行情也跟着重新定价：套路化的刷题、模板化的证明，贬值最快；提问、建模、验证、把数学和现实问题互相翻译，升值最快。评价体系也躲不开。AI能秒解一切作业题，作业和笔试作为能力信号就失效了，口试、答辩、过程性评价会回来。这些在博士培养里一直是常态，只是会慢慢下沉到中学和本科。没变的东西也值得说一说。理解没办法外包。证明可以被打印出来，但理解必须发生在自己脑子里，AI能替你算出答案，替不了你长出数感。数学作为思维地基的价值也没变。世界在被AI接管，能审查AI在干什么的人反而成了最稀缺的角色，这种能力的底层还是数学。教育的节奏同样没变：研究在加速，人脑的发育和学习规律没有加速，一个14岁孩子建立“变量”概念需要的具身体验，跟欧拉时代没有区别。这里有一个不对称，值得记住：证明的生产可以指数加速，理解的生产不能。这几年的目标是三样：数与形的直觉、符号的流畅、对“为什么”的胃口。代数流畅度仍然必要，将来没人靠手算吃饭，但符号操纵是思维的脚手架，运动员再现代也要练基本体能。机械刷题的量可以砍掉一半，把时间还给下面几件事。学会问AI为什么。把AI当家教用，家庭规则只有一条：不许直接要答案，只许问思路、问反例、让AI反过来提问。这一条习惯的价值超过任何一本教辅。动手实验。用Desmos画函数，用Python跑数列，用表格自己“发现”勾股定理。数学作为实验科学的这一面，初中就该见到。家庭里能做的：别再用刷题量衡量投入，改用“孩子这周主动问了什么问题”衡量产出。高中阶段的核心增量是证明素养：读懂一个证明，复述它，挑它的毛病，写出自己的证明。过去这是数学系大一大二的功课，现在应该下沉到高中，因为解题这个环节AI已经接管，读证明、判断证明是人剩下的部分。人机协作要有纪律。一个可用的规则是：先独立做30分钟，再让AI讲；讲完关掉，自己重做一遍。AI讲解无限耐心，但直接看讲解等于没有学习，这条认知科学的规律没有因为AI而改变。竞赛的价值需要重估。竞赛作为升学筹码的作用会缩水，出题方迟早意识到题库在贬值；但作为思维密度最高的训练，它依然保值。为热爱而学和为证书而学是两条路，高中阶段必须想清楚自己走哪条。拔尖的学生可以加两样餐：碰一下Lean或形式化验证，体验证明被机器逐行检查是什么感觉；做至少一个跨学科项目，数学加物理、计算机或经济都行，练把现实问题翻译成数学。家庭能做的：从监督者转为资源提供者，重点保护两样AI给不了的东西——长时间专注的习惯，和敢于提问的习惯。数学系的培养目标正在从产出证明的人，变成提出问题、验证结果、做综合判断的人。听起来像贬值，其实是升级：每个领域都需要一个看得懂AI在说什么、并且敢说它错了的人。课程组合上，数学加计算机（或数学加物理、统计）的双修基本成为默认配置；形式化验证、科学计算、概率与信息论是新的核心课。科研训练的方式已经变了，陶哲轩主导的人机协作大规模数学项目和Lean形式化实践就是样板，本科生就该开始学着指挥AI做数学：分解问题、指定策略、审查输出，这本身是一门手艺。就业面反而变宽，AI安全、形式化验证、量化金融、密码学、计算生物，共同点都是数学判断力乘以AI杠杆。1. 数学教育的目的，要从生产答案改为生产判断力。会算的价值在归零，会判断的价值在起飞。2. 数学正在成为AI时代的母语。不是数学家才需要数学，是所有想跟AI平等对话的人都需要。3. 教育要敢于慢。研究可以指数加速，理解不能压缩。证明可以外包，理解不能外包，这是AI时代学习最重要的一条纪律。4. 评价会回到“口试时代”。作业与笔试的信号价值正在失效，口试、答辩、作品、过程记录会回归。家庭与其焦虑，不如尽早让孩子练习把一件事讲清楚。5. 对普通家庭，这是利好。AI家教让小城市的孩子第一次拥有无限耐心的顶级辅导，真正拉开差距的从来不是资源，是提问的能力和自驱的习惯——这两样东西，最便宜，也最贵。陶哲轩说过，未来的数学属于人类与AI的混合体。把这句话翻译成教育语言就是：未来属于配得上AI的人——数学足够扎实，能验证AI；问题足够好，能指挥AI；判断足够清醒，不被AI淹没。数学教育的目标，从来不是培养第二个AI，而是培养AI做不到的那种人：会提问、懂审美、敢负责的人。参考来源
[1] 数学大爆炸！OpenAI一夜攻克722个数学难题（微信转载）https://mp.weixin.qq.com/s/H3T3Urm_NUyN0jc-Ete1JQ
[2] The Verge: OpenAI math releasehttps://www.theverge.com/ai-artificial-intelligence/1005004/openai-math-release-github
[3] Scientific American: OpenAI unleashes hundreds more math results upon a field already in shockhttps://www.scientificamerican.com/article/openai-unleashes-hundreds-more-math-results-upon-a-field-already-in-shock
[4] Latent Space: Quasi-Riemann Hypothesishttps://www.latent.space/p/ainews-quasi-riemann-hypothesis-openai
[5] Kingy.ai: OpenAI math 722 manuscripts, proofs & compute costshttps://kingy.ai/blog/openai-math-722-manuscripts-results-proofs-compute-costs
[6] 陶哲轩谈AI对数学界开放传统的影响（转载报道）https://www.sohu.com
[7] FrontierMath基准发布报道（SegmentFault）https://segmentfault.com
[8] OpenAI math 官方仓库（本文截图来源）https://github.com/openai/math
