Doubao：

AI做数学：20分钟破解核聚变猜想 vs 722篇手稿风波

GPT‑6 Astra仅用20分34秒，求出困扰学界59年的核聚变斯托克斯方程猜想精确解，产出两组解，经学者用DESC、SymPy独立复核，成果上传arXiv。 另一边OpenAI一次性放出722篇AI生成数学手稿，宣称攻克数百道前沿难题，却很快发现多处符号幻觉、逻辑漏洞，多篇撤稿修订，近800名数学家联名提出批评。

名家观点

1. 陶哲轩：AI适合充当数学勘探助手，快速生成候选证明与计算结果；但读懂证明思想、提炼新方法、评估成果价值，仍是人类数学家的核心工作。
2. 杨立昆：当前大模型只是预测文字统计规律，没有世界模型，极易产生符号幻觉。Astra在严格符号系统内求解，稳定性更强；自由生成自然语言数学文稿，则很容易暗藏错误。
3. 朱迪亚·珀尔：大模型擅长学习关联，难以自主产生因果洞见。AI可以在既定规则空间搜索答案，但无法自发创造全新数学框架。

核心对比

✅ Astra核聚变解：AI演算搜索，配套独立工具核验，遵循学术发表流程；AI是高速计算工具。 ❌ 722篇数学手稿：自然语言证明，缺少形式化校验，批量输出未验证推导，造成学术泡沫，冲击数学共同体。

联动AGI/SAI

这两个案例印证杨立昆的判断：

• AGI：追求像人一样理解数学思想，现阶段AI尚不具备；
• SAI（超人类适应性智能）：不用拟人理解，只在特定任务上拥有远超人类的自适应搜索、演算能力。Astra求解方程正是SAI范式的典型代表。

小结

AI是强大的数理工具，能快速完成人类多年的符号搜索与计算。但提出问题、核验结论、理解背后科学思想，依旧离不开人类。人机协同、刚性校验，才是AI辅助数学研究的可行路径；脱离验证批量输出证明，只会制造虚假成果。

辩论赛正反论点（可选）

正方：AI正在成为数学创新的核心驱动力

1. AI可在极短时间完成海量符号搜索，攻克长期悬而未决的数理猜想，突破人类算力上限（Astra核聚变方程案例）。
2. AI能够快速生成大量候选思路，拓展人类思考边界，作为科研助手提升数学家效率。
3. 只要建立完善形式化验证体系，AI产出成果可以稳定、可靠地融入学术体系。

反方：AI无法实现真正的数学创新，仅能作为辅助工具

1. AI没有对数学、物理的内在理解，只是符号层面的搜索，存在幻觉风险，722篇手稿事件就是例证。
2. 数学创新核心是提出新概念、新思想、新框架，这依赖因果洞察，当前AI无法自主完成。
3. 批量投放未经核验的AI手稿，会扰乱学术生态，带来科研伦理风险。

2002年

2003年

2004年

2005年

2006年

2007年

2014年

2015年

2020年

2021年

2022年