ARTICLE · 1240805
AI会不会杀死数学?
AI会不会杀死数学?2026年秋天，康奈尔大学。 数学家Steven Strogatz坐在镜头前接受采访，说到一半，忽然哭了。 他说：2026年会被记住。要么作为数学的奇迹之年，要么作为数学的灾难之年。 让他落泪的，是十五天前发生的一件事。 2026年10月6日，OpenAI在GitHub上一次性挂出了722份数学手稿，覆盖372个"成果家族"。 这批手稿由一个至今没有对外发布的内部模型生成，涵盖数论、代数几何、微分方程、理论计算机科学。 里面躺着几个名字：准黎曼猜想、四维挂谷猜想、唯一博弈猜想。 罗格斯大学的Alex Kontorovich看完，在社交媒体上写了一句："如果这是人类做出来的，立刻就是一枚菲尔兹奖，毫无疑问。" 24小时后，OpenAI自己撤回了3篇。 原因是一个符号错误。而这一个错误，连带废掉了另外两篇依赖它的论文。 同时修订14篇，更新13篇，总数从722降到719。 719篇里，只有300篇完成了形式化验证——42%。 58%的手稿，连机器都没验过。 而在此之前一个月，OpenAI已经宣布用88小时"解决"了千禧年大奖难题之一的纳维-斯托克斯方程。88小时里，系统调用了超过10000个智能体，烧掉1300亿个输出token，进行了270万次内部交互，吐出一篇166页的论文。 而在几千公里外的加州，另一个人的反应完全不同。 陶哲轩——公认当今最强的大脑之一——今年3月还在公开场合说，AI在数学和理论物理领域已经"准备好进入黄金时段"，数学正在经历一场"认知版本的哥白尼革命"。 半年后的10月7日，他在自己博客上转发了一份声明： 一次性发布700多份文件，这展示的不是学术，是权力。我们敦促所有数学家，停止与OpenAI的合作。 半年，180度。 于是问题来了。 先把答案摆出来，免得你读到一半猜。 数学死不了。 但有一种东西会死，而且已经出现死状了。 因为数学根本就不是一门属于人的学问。 勾股定理在被毕达哥拉斯写出来之前，直角三角形就已经那样了。黎曼猜想不管人类解不解得开，ζ函数的非平凡零点就在那条线上待着。 机器解出来，还是人解出来，不改变真理本身。 这一点AI也改变不了。 而且历史上，数学已经扛过三次大冲击，一次比一次狠。 第一次，非欧几何。人类忽然发现，过直线外一点可以作无数条平行线，"空间常识"当场崩塌。 第二次，集合论悖论。罗素用一个"理发师悖论"把数学的地基捅了个窟窿，第三次数学危机爆发。 第三次，计算机。1976年，阿佩尔和哈肯用计算机穷举了近两千种地图构型，证明了四色定理——这是人类历史上第一个靠机器完成的主流数学证明。 当时数学界一样炸锅。有人说这不叫证明，因为没人能从头到尾手算一遍；有人说这是数学的耻辱。 审稿人给杂志的意见，第一句话是：我无法验证它。 结果呢？四色定理照样进了教科书，机器辅助证明也成了常规操作。 所以按这个逻辑往下推，AI就是第四次冲击，数学照样扛得住。 但这就是问题所在。 这三次冲击，其实有个共同点：每一次之后，人类都把地基重挖了一遍。 非欧几何逼出了黎曼几何，集合论悖论逼出了公理化体系，四色定理逼出了机器辅助证明的规范。 每一次，人类都更懂了一层。 而这一次，AI交出来的东西，人类连"重挖一遍"的机会都没有——因为读不懂。 前三次冲击的，是数学的结论。 这一次冲击的，是数学的过程。 结论被推翻，学科会更结实。 过程被外包，学科会变空。 一门学科活着，和一门学科健康，从来不是一回事。 一个人活着，和一个人清醒，也不是一回事。 要讲清楚这件事，得先讲一个三百多年前的老故事。 1637年，法国图卢兹。一个叫费马的律师，在读《算术》这本书的时候，在页边空白处写了一行字。 大意是：我发现了一种绝妙的证明，可以把一个立方数拆成两个立方数——但这里的空白太小，我写不下。 这就是后来大名鼎鼎的费马大定理。 然后他去世了。 他的儿子整理遗物，把这行字翻了出来，公之于世。 从那一刻起，全世界的数学家开始找那个"绝妙的证明"。 欧拉找过，高斯找过，柯西找过，库默尔找过。 一代一代最聪明的大脑扑上去，砸了整整三个半世纪，直到1994年，普林斯顿的怀尔斯才真正把它证出来。 358年。 这358年里发生了什么？ 为了试证这条定理，数学家顺手发明了理想数、代数数论、椭圆曲线、模形式——这些东西后来撑起了现代密码学，你今天每一次网上支付都在用。 所以真正的问题来了： 费马那行字，算不算一个成果？ 不算。 他声称自己证明了，但过程没留下。对后人来说，那行字跟没写一样。 一个只有答案、没有过程的答案，等于没有答案。 看一组数字，就知道AI为什么死盯着数学不放。 Epoch AI维护着一个叫FrontierMath的基准，里面是数百个由顶级数学家设计的、从未公开发表的研究级难题。 2024年，GPT-4o、Claude 3.5 Sonnet这些前沿模型上去做，通过率不到2%。 后来测试时计算策略一上，在极高算力消耗下，通过率一路爬到接近30%，甚至50%。 对AI公司来说，这条曲线就是最好的广告。 数学难、数学硬、数学有标准答案——还有什么比它更适合当跑分场？ 问题是，跑分场不是球场。 今天的AI，本质上是一台年产722条"费马页边注"的机器。 而且这些页边注还特别长——166页、数万页——长到人类根本读不完。 陶哲轩给这种状态起了个名字，叫"证明消化不良"。 他的原话是：传统数学研究，是细水龙头缓缓流出干净的清水；而现在的AI，是高压消防水带，海量喷涌。 阀门一开，人脑出现"阻抗不匹配"。 有个细节比任何评论都说明问题：长期研究唯一博弈猜想的学者Dana Moshkovitz，硬着头皮打开OpenAI的手稿后说，她不得不借助另一个AI工具，才勉强读得下去。 用AI，才能读懂AI写的东西。 西北大学的Bryna Kra说得更直接：结果总体"惊人"，但"写作方式让人无法理解"，数万页成果亟待核验，"而在这个过程中，同行评审却缺位了"。 牛津大学教授、克雷数学研究所所长Martin Bridson的评价最耐人寻味：这次发布"令人惊叹"，但数学界"拥抱机器提供的力量，不应被它们牵着走"。 还有一件事比"读不懂"更麻烦：优先权。 时间线拉回2026年9月7日深夜。纽约大学库朗数学研究所的Tristan Buckmaster，代表自己和Anthropic员工Levent Alpöge发出声明——他们用大模型辅助，证明了欧拉方程在特定条件下会出现有限时间爆破，一周后用Lean 4完成形式化验证。 12小时后，9月8日中午，OpenAI宣布：我们的多智能体系统，也搞定了纳维-斯托克斯。 注意，是"受迫版本"。而且OpenAI这项工作启动于9月1日——也就是在听说竞争对手可能解决两项千禧年难题之后。 OpenAI随后提议两家"联合发布"或"同期发布"。 Buckmaster团队原本的想法是：我们打算晚点宣布，先写出一篇人类能读懂、能体现我们对证明结构深层理解的论文。 一个想慢慢写，一个想赶紧发。 而当发现变得廉价且并行，"谁先做出来"这件事就再也说不清了。 署名、引用、评审这套制度，压根没为此做好准备。 菲尔兹奖得主杰曼诺夫的说法最不客气：OpenAI的行为本质是"学术掠夺"——刻意制造科研突破的戏剧性时刻，以吸引资本市场关注。 第一样会死的，是数学的消化系统。 一门学科的知识增长，从来不是"产出"这一件事。 完整的链条是：提出预设 → 生成证明 → 反复验证 → 加以阐释 → 同行评审 → 整合成理论 → 写进教科书 → 教给下一代。 AI把中间那几步全跳过去了。 它直接从"问题"跳到"验证通过"，省掉了阐释、评审、整合、教科书化。 1982年菲尔兹奖得主William Thurston，1994年写过一篇《数学中的证明与进步》，专门驳"证明定理就是数学进步"这种看法。 他拿"导数"举例子：人类数学家脑子里对同一个概念，通常同时挂着好几种心智模型——代数的、几何的、拓扑的。数学家真正的本事，是在这些模型之间来回翻译，给同行画一张认知地图。 AI输出的是一条单线的逻辑链。它能让Lean说"通过"，但它画不出那张地图。 哲学家Yehuda Rav在1999年问过一个更狠的问题：我们为什么要证明定理？ 他举了哥德巴赫猜想。就算这个猜想最后被证伪，人类为了试证它而发明出来的"筛法"，早就撑起了整个解析数论。 答案可能是次要的，沿途造出来的工具才是真遗产。 而AI不造工具。它只用工具。 哥伦比亚大学的Michael Harris把后果说得很重：这会产出大批符号垃圾，带来"知识崩塌"——用一种可货币化的替代文化，取代通过历史经验演化而来的文化。 中国科学院院士、中国数学会理事长席南华点破了根子：企业发布成果不受学术规则约束，发布不需要经过同行严谨核验，甚至允许错误内容流出。 还有那42%，本身也要打个问号。 Lean能通过，只说明这条逻辑链没有语法和推导错误。它不检查你最初输入的命题，是不是研究者真正想解的那道题。 北京雁栖湖应用数学研究院研究员朱斌举过例子：如果最初输入的命题就偏离了研究者真正想解决的问题，即使验证通过，也不代表原本的难题已经解决。 机器验的是过程，不是问题。 数学不是靠天才维系的，是靠一条培养流水线维系的。 本科生啃教材，博士生啃论文，博士后啃前沿，教授带博士生——这条链子上，每一环都在练同一种能力：读难懂的东西，把它变简单，再传给下一环。 AI最先冲垮的，恰恰是这条链子的中段。 因为AI最擅长的，正好是博士生干的活。 更麻烦的是，它交出来的活还不一定对。康奈尔大学的Alex Townsend公开表示：一个错误就能连锁废掉三篇，他怀疑还会发现更多。 于是出现了一个尴尬的分工：数学家的工作，变成了给AI当校对员。 据报道，2026年新科菲尔兹奖得主中，有一位在7月的国际数学家大会上宣布转向AI安全、加入OpenAI，并停止招收博士生。 一个刚站上学术荣誉顶端的人，转身去了对面，还不带学生了。 陶哲轩被问到"AI时代还要不要读博"时，回答得挺实在：如果读博只是为了产出成果，那必要性确实在下降；如果读博是为了被训练成能啃硬问题、能综合知识、能提出好问题的人，那它仍然有价值。 他的比喻是：食物和交通充裕之后，人得自己学会运动；答案随手可得之后，人也要有意识地维护认知能力。 这话听着温和，其实很重。 因为学术界有一只无形的手，叫古德哈特定律——当一个指标变成目标，它就不再是好指标。 当"发表数量""首个证明"变成指挥棒，而AI又是世上最强的批量生成工具，理性的选择是什么？ 用AI堆数量，抢首发。 至于好奇心、漫长沉思、试错探索——谁管？ 这个分歧有多真实，看一场辩论赛就知道了。 10月中旬，北京怀柔科学城办了一场AI驱动蛋白质科学的研讨会。会上最热闹的，是一场人机辩论赛：4名博士生带4个AI智能体组队，辩"AI时代还要不要学编程"。 正方说，AI生成的代码也需要人判断对错，不懂逻辑怎么发现错误。 反方的AI立刻回击：如果AI给错了路况，普通人拿另一张地图对比就能验证，为什么一定要懂编程？ 结果耐人寻味——评委票投给了反方，现场观众票投给了正方，最后战平。 连一场辩论赛都给不出答案。 那就把这条链子断了之后的后果，往极端推一遍。 如果博士生不再被要求手推证明，那么十年后能读懂前沿论文的人就变少。 能读懂的人变少，能教的就变少。 能教的变少，愿意入行的年轻人就变少。 年轻人变少，二十年后，整个学科只剩下一小撮老人，和一大堆机器生成的结果。 到那一步，不是AI统治了数学。 是没人管AI了。 得克萨斯大学奥斯汀分校的Scott Aaronson写了篇长文，标题叫《数学末日》。他在里面写："在我剩下的岁月里，我不指望再因'真的需要我来证明'而证明定理，人类数学家作为主要定理证明者的地位已被永远废黜。" 而菲尔兹奖得主Peter Scholze那句，几乎是整个共同体共同的心声："AI想要加速一切，而我看不到加速本身有任何内在价值。" 而链子断了，从来不是当天出事。 是十年、二十年后，忽然发现没人能教了。 我的判断是三句话。 第一句：作为真理体系，数学死不了。 它的存亡不取决于谁发现它。 第二句：作为一门"被人类理解的学问"，它正在被掏空。 722份手稿里那58%未经验证的部分，加上验证过但没人读懂的部分，正在变成一堆人类看不懂、却不得不承认的"既定事实"。 这是最坏的一种境地。 不是数学错了，是数学变成了神谕——你得信，但你不明白为什么。 第三句：真正会死的，是"懂数学的人"。 历史上这种死法出现过。 罗马人修的混凝土水渠，配方在中世纪失传了。建筑还在，机理没了，后人看着那些千年不倒的拱券，只能猜。 中世纪早期的欧洲，亚里士多德的著作一度要靠阿拉伯译本回流——书还在，但读它的人没了，那套知识体系等于休眠了五百年。 一门学问真正的死亡，从来不是没人做题。是没人懂。 所以答案不是"会"或者"不会"。 答案是：取决于人类愿不愿意付那笔"理解税"。 好消息是，规矩正在被写。 2026年6月2日，《莱顿宣言：AI与数学》发布，16位学者起草，23条建议，拿到了国际数学联盟的背书。核心就三条：工具强制披露、人类保留绝对责任、抵制公关炒作。 9月11日，25位菲尔兹奖得主联名发表《人工智能在数学中的严重错位》。陶哲轩、Peter Scholze、Pierre Deligne、邓煜都在上面。 9月29日，普林斯顿高等研究院的数学与人工智能顾问小组（AGMAI）发声，明确反对前沿实验室用外界无法访问的内部模型去测试高难度数学问题。 陶哲轩们的药方也很具体：作者无法完成专家级清晰报告的成果，不予发表；放下对"首个证明"的执念，转向阐释、验证与知识整合。 当然，也不是所有实验室都在这么干。做得体的样本是有的。 Anthropic此前公开了费马大定理的1300万行Lean验证代码，全部可下载、可核查。Buckmaster团队那三项成果，也都附了可下载的形式化证书。 没有一个是开发布会宣布的。 中国这边也有一个。上海数学与交叉学科研究院与清华大学丘成桐数学科学中心的团队报告，用AI辅助构造出一类严格满足数学条件的离散能谱，重现了三维BTZ黑洞的熵及高阶量子修正。 分工很清爽：AI负责反例构造、猜想推广、Lean形式化；人负责提出问题、修订猜想、审查结论。 这就是陶哲轩说的"数学2.0"——不是让机器替你证明，是让机器帮你把证明之后的那半截活干完。 中国的做法不太一样。 10月11日，OpenAI发布手稿后第五天，丘成桐牵头的"数学与人工智能实验室联盟"在清华揭牌——8家机构、1000名科学家，设学术委员会统筹方向，建数据算力共享机制，制定成果评价与伦理规范。 丘成桐的说法是：这是学者最兴奋也是最危险的时代。 不抵制，但自己定规矩。 当然也有让人哭笑不得的一笔：10月19日，西蒙斯基金会宣布联合Anthropic和OpenAI投入1500万美元，用于帮助研究者评估AI辅助成果。 出钱的，正是被抵制的那两家。 而到那天为止，没有任何一家实验室采纳宣言提出的发布规范，也没有公布这笔钱的项目名称和治理结构。 实验室出钱，评估实验室自己的成果。 谁来定评什么，没人说。 陶哲轩说过一句话：AI正在终结数学的浪漫时代。 浪漫时代的反面，不是黑暗时代。 是一个谁都能拿到答案、但没人在乎答案从哪来的时代。 那722份手稿里，被撤回的三份其实是最好的注脚——它们证明机器也会写错一个符号。 而人类数学家花两千多年建立起来的那套东西：同行评议、反复核验、把证明讲清楚，恰恰就是用来揪出这种错误的。 它不是落后的流程。 它是这门学问的免疫系统。 所以最后，落到那句判断上。 AI杀不死数学。 它杀的是"懂数学的人"。 而一门没有人懂的学问，和死了，只差一代人的距离。
