AI 是科研工具,不能替代思考!多位数学家探讨人工智能时代数学研究范式

当前，人工智能已经深度介入数学研究，在计算推演、案例检索、代码编写等场景发挥巨大价值，但在提出全新科学问题、诞生原创思想层面仍存在明显短板，多位学者结合自身科研实践分享体会。

普林斯顿大学教授张寿武用自动驾驶做类比：人工智能就像性能强大的自动驾驶系统，能够极大提升解题、推演的效率，但是设定研究方向、提出科学问题，必须依靠人类研究者完成。他将数学定义为科学的语言、逻辑的艺术，即便 AI 可以解答已有的难题，人类依旧可以源源不断提出全新的问题，推动学科向前发展。

菲尔兹奖得主、清华大学教授考切尔・比尔卡尔（Caucher Birkar）结合自身使用经验谈到，人工智能适合完成大规模运算、寻找实例与反例、完成引理层级的证明工作，但是很难产生真正开创性的思想，难以形成全新学术洞见。至于未来 AI 能否突破这一瓶颈，还有待持续观察。

加州大学伯克利分校教授理查德・巴姆勒（Richard Bamler）提醒，人工智能技术迭代速度极快，评价数学成果不能简单以 “题目是否被解开” 作为唯一标尺。证明过程衍生出的科研直觉、理论解释、后续衍生问题，才是数学研究更珍贵的价值。他建议青年数学家树立长远眼光，聚焦构建完整理论体系这类长期性科研目标。

密歇根大学教授托马斯・林（Thomas Lamler）表示，AI 编写代码高效可靠，可用来开展猜想检验与探索。但即便 AI 输出一套能够通过形式系统核验、却晦涩冗长的证明，数学共同体依旧需要解读背后的思想内核，评判成果真正的学术价值。

杜克大学教授赵宏凯提出，拥有扎实数学功底的研究者搭配 AI 工具，远比完全依靠人工智能开展研究更有优势。AI 可以充当助手乃至科研伙伴，但从现实问题提炼模型，再到完成计算分析的完整科研链条，离不开人类的理解、学术眼光与价值判断。