AI把数学干废了

十月的一个平常清晨，美国得克萨斯大学奥斯汀分校的计算机科学家斯科特·阿伦森家里，发生了一幕略带荒诞的对话。他九岁的儿子冲着母亲开玩笑说，机器几秒钟就解开了你整个职业生涯都在琢磨的数学题。

他的妻子达娜·莫斯科维茨是著名的计算复杂性理论学者，多年心血几乎都倾注在“独特博弈猜想”这一领域上。然而在那个清晨，OpenAI毫无预警地在GitHub上放出了一个代码仓库，里面一口气堆叠了722篇由内部AI模型独立写出的数学论文手稿。

平均每道题，耗费算力大约三小时。在测试的约4000个开放数学问题中，它直接端出了372组所谓的突破性成果，甚至宣称攻克了包括准黎曼猜想在内的一批世纪难题。阿伦森在震惊之余写下一篇题为《数学末日》的长文，惊叹这或许是数学史上最宏大的日子之一。

但数学界迎来的并不是狂欢，而是一场前所未有的窒息感。

很快，人类数学协会公开发声，陶哲轩等25位菲尔兹奖得主联合发出呼吁，痛批商业科技公司这种粗暴的行径是“赤裸裸的算力霸权”，并建议所有学者停止与该机构合作。与此针锋相对的是，图灵奖得主杨立昆等人则显得格外乐观，认为形式化证明的自动化标志着新时代的开启，人类从此可以解脱出来，专注于提出新概念和新猜想。

学术界为何会产生如此剧烈的分裂？要理解顶尖学者的愤怒，得先看看被扔到学者桌上的究竟是什么东西。

当学者们怀着复杂的心情点开那些所谓的论文时，很多人彻底愣住了。莫斯科维茨在审阅关于自己研究领域的证明时，忍不住形容那些文字读起来就像是“服了致幻剂的人写出来的外星编码”。论文里充斥着人类逻辑无法理解的巨大跳跃，生造了极其怪异的编码机制，引用混乱，缺乏基本的论述美感。

它既不像经典的数学论文那样层层递进，也不符合千百年来学术交流的默契。更麻烦的是，在这700多篇论文里，附带计算机可严格验证的形式化证明的代码只占了四成左右，剩下的大半依然是密密麻麻、未经严谨同行评审的文本草稿。发布仅仅一天之后，官方就悄悄撤回了其中的三篇。

问题恰恰出在这“撤回的三篇”和“难以理解的外星编码”上。

长久以来，数学被视为人类纯粹理性的终极避难所。它不同于工程学只看重一个机器能否运转，数学的全部精髓在于“理解”。人类攀登一座未知的数学高峰，沿途开辟出的新工具、新视角以及对结构本质的领悟，其价值往往远远超过那个终点的结论。正如登山不仅是为了站在峰顶，更在于丈量山体时掌握的路线。

而现在的局面变成了：一台黑箱机器在消耗了巨量电力之后，直接在峰顶空投了一面旗帜。它告诉你终点在这儿，但没有留下清晰的路标。

生成答案的边际成本已经被压缩到了几乎为零，但验证答案的成本却高得令人绝望。一位顶级学者可能需要花上数周甚至数月，才能厘清一段由AI跳跃式生成的百页证明到底是天才的直觉，还是披着复杂外衣的幻觉。更残酷的是，一个难题一旦被商业巨头高调宣称“已被解决”，即便证明本身漏洞百出，也会在极短时间内封死后续研究者的申报通道和学术热情，彻底污染学术生态。

不仅如此，许多导师开始担忧人才培养的断层。以往年轻学者是通过一代代解决那些梯度式的难题，一步步磨炼出数学直觉的。当答案唾手可得且以海量粗糙半成品的形式泛滥时，谁还会愿意花费数年时间去啃一块硬骨头？

这正是陶哲轩等人痛斥“算力炫耀”的根源。在科学共同体看来，健康的研究需要透明、可复现和负责任的推演。而科技公司为了展示技术肌肉、拉抬技术估值，把严肃的科学圣殿当成了大模型的跑分基准，将成千上万小时极其繁重的验证成本，单方面转嫁给了根本没有义务为其买单的全球学术界。

这场风暴看似发生在象牙塔的最顶端，但那种被海量生成物包围的无力感，普通人其实早已不再陌生。

在软件开发行业，程序员每天都在面对AI写出的大段代码。打字的速度确实快了十倍，但团队不得不花费成倍的时间去审查隐藏的漏洞与维护逻辑。在内容创作、设计和日常办公中，我们被越来越多的廉价信息、速成报告包围，每个人都在不知不觉中被推到了“审核员”的位置上。

生产变得极其廉价，而理解与确认却成了极度奢侈品。

面对这堆从天而降的“外星论文”，阿伦森在那篇长文的最后写道，他在巨大的震撼与疲惫中关掉了电脑，决定不再继续翻看那些冰冷的数据，而是坐下来陪孩子看了一部电影。

技术狂奔的速度或许已经无法逆转，但在答案铺天盖地的时代，人类所固守的那些缓慢的思考、对逻辑本质的执着求索，以及对彼此经验的真正理解，才构成了我们不被浪潮吞没的唯一锚点。