夜雨聆风
数学，这门人类文明中最古老、最纯粹的学科，正在经历一场前所未有的消化不良。
过去吃不饱，如今却吃太多了
2026年7月24日，费城，国际数学家大会（ICM 2026）。全球数学界四年一度的最高规格盛会上，菲尔兹奖得主、被誉为"当代数学莫扎特"的陶哲轩（Terence Tao）走上公众讲座的讲台，抛出了一个让全场屏息的判断：AI正在以远超人类消化能力的速度批量制造证明，而我们，整个数学共同体，正在被这些证明活活撑死。
他给这个现象起了一个精准到残忍的名字：Proof Indigestion，证明消化不良。
▲ 陶哲轩ICM 2026公众讲座：Mathematics in the Age of AI
从"吃不饱"到"撑到吐"：数学界的世纪翻转
这件事有多疯狂？
过去几百年，数学界的核心焦虑是，证明太少了。一个猜想悬在那里几十年没人能攻破，一篇突破性论文可以让作者封神。学术声望、终身教职、菲尔兹奖，整个游戏规则围绕一件事运转：谁能生产出更多、更好的证明。
现在，陶哲轩说，游戏规则正在被掀翻
他在幻灯片上用红字标出了这个历史性转变：Proof Scarcity → Proof Abundance。证明从稀缺品变成了丰裕品AI系统，那些拿着海量数学语料训练出来的大模型，正在以惊人速度批量输出"看起来像证明"的东西。
▲ 讲义核心页：红字标出"阻抗失配/证明消化不良"与从稀缺到丰裕的四层堆积
问题来了：生产变便宜了，验证没有
一条评论精准击中要害，
▲ "证明消化不良即将冲击每个行业。生成变便宜了，验证没有。总得有人去读那些东西。"
一条证明要经历什么，才能变成"知识"？
陶哲轩做了一件极有穿透力的事：他把"解出一道题"拆成了一条流水线，然后逐环指出，AI加速了第一环，却堵死了后面所有环。
这条流水线是这样的：
生成证明 → 验证正确性 → 清晰表述 → 同行评议与发表 → 共同体消化 → 典范化（进入教科书与标准理论）
最后一环，典范化（canonicalization），是最慢的、最依赖人类审慎共识的，也是最有价值的。陶哲轩直言：人类今天能用AI做数学，恰恰依赖前人花了几个世纪辛苦消化出来的典范理论。你不能只顾着往嘴里塞，不管胃能不能受得了。
而在工作假说成立、缺乏调整的情况下，每一个环节之间都出现了阻抗失配：
AI证明堆积着等待被验证； 已验证的证明等待被写成人能读懂的语言； 写好了的证明压垮了传统审稿体系； 发表了的证明多到共同体根本来不及整理成定论。
一层接一层，像高速公路上的连环追尾。
"七题中做对了七题"：能力已有实测数据
陶哲轩随即给出了一个冷静的受控数据点。
First Proof（1stproof.org），一项对前沿AI系统的独立评估项目，2026年5月28日对四套AI"驾驭系统"进行了第二批测试：十道全新的研究级数学问题，七道被至少一个团队做到了"可发表质量"。计算成本？每题约10到1000美元
▲ First Proof项目官网：独立、受控的AI数学能力评测
他把这个能力现实包装成一个工作假说：AI工具将在合理时间内，有能力以合理成功率、质量与成本，完成合理比例的研究级数学任务。
注意：他没说"所有数学"他反复提醒，数学并不均一竞赛格式一变，模型成功率可以剧烈摇摆。真实研究集上的成功可能只有几个百分点。但即便是"合理比例"的自动化，也足以让整个管道堵到爆炸。
▲ 工作假说全文：暂时假定它成立，然后问"我们要什么"
古德哈特幽灵：当"解题数"变成被刷的KPI
这里出现了整场讲座最辛辣的洞察
过去，"解出多少重要问题"是数学界的代理指标，它和建理论、育人才、推进理解等真实目标大体正相关。但陶哲轩援引古德哈特定律（Goodhart's Law）发出警告：当一个指标变成被过度优化的目标时，它就不再是好指标。
AI公司有强烈的财务动机去刷这个指标。生成式AI的"无根基"特性让它特别擅长踩中古德哈特的陷阱，解出的题越来越多，但理解没增长、教育没跟上、理论没建成、共同体的消化能力被远远甩在身后。
原本对齐的目标开始发散技术层面的目标偏移，最终成了制度性危机。
▲ 古德哈特定律：目标被过度优化时就不再是好指标
"优秀助手，拙劣科学家"
社交平台上的反应迅速且尖锐AI研究者Gary Marcus转发陶的讲座，并把它与"AI是否等于AGI"的辩论联系起来。
▲ Marcus转发讲座称"精彩必读"，配讲义截图
另一条评论则把问题切到了认识论层面：解证明与创造理论是两种完全不同的能力。前者在框架内优化，后者发明框架本身。
▲ "解证明与创理论是根本不同的能力。一者优化框架内，一者发明框架。"
有用户将陶的核心观点转述为"proof abundance creates proof indigestion"。
▲ "这句太精彩了：'证明丰裕制造证明消化不良'，陶哲轩，大意转述"
"过度光滑"的危险：AI把难和易写得一样轻松
陶哲轩对AI写证明的评价极为微妙。拼写语法排版？近乎完美，甚至"过于完美"但在琐碎处冗长，在最有趣、最新颖的地方一笔带过。问题在于，
人类写作中，作者曾经卡壳的地方会留下自然摩擦，提醒读者"这里要放慢"。AI文本把一切都写得同样丝滑，抹掉了认知节奏的线索。读者分不清哪里是关键跳跃，哪里只是例行公事。
他甚至写道：悖论的是，人类表述中的"错误"有时最终对读者有帮助。
这让人想起William Thurston 1994年那句被陶引用的名言：数学成功的尺度不在定义、定理、证明的产量配额，关键要看它能否让人更清晰、更有效地理解与思考数学。
制度层面的反击：莱顿宣言与"能讲才可发"
提出诊断的同时，陶哲轩也在推动解决方案。
2026年6月前后发布的莱顿宣言（Leiden Declaration on AI and Mathematics）获得国际数学联盟等背书。宣言在拥抱工具的同时守住底线：正确性责任永远属于人类作者；披露AI使用应成为常态；荣誉与责任属于人，不授予自动化系统。
▲ 莱顿宣言：对个体数学家的五条建议
陶自己给出了一条简洁的经验法则：如果作者无法以清晰、专家级、正确且恰当归属的方式讲出自己的结果，则结果尚不宜正式发表。
"能讲才可发"成了一把尺子，横在AI证明洪水面前。
数学之外，同样的问题
回到文章开头那条评论："证明消化不良即将冲击每个行业。"
想想看代码生成变容易后，成本移向了需求判断、架构约束、测试与长期维护。论文生成变容易后，成本移向了审稿、编辑、知识维护。内容生成变容易后，成本移向了……注意力本身。
陶哲轩用数学，人类认知体系中验证环最紧、形式化程度最高的学科，作为矿井中的金丝雀。如果连数学都开始消化不良，其他一切还有什么悬念？
▲ 媒体报道：菲尔兹奖得主警告AI可能产出超过人类处理能力的证明
尾声：丰裕时代的新饥饿
陶哲轩在讲座中用了一个食物类比：从食物稀缺到食物丰裕，人类没有变得更健康，我们得了肥胖症，发展出了"品味"的分化。证明丰裕之后，数学界需要的是更精致的口味，更强的消化系统，以及对"什么值得吃"的更严格判断。
这场危机指向人类有限的消化能力
而胃的大小，取决于我们是否愿意承认：在这个一切皆可生成的时代，理解才是最后的稀缺资源。
