夜雨聆风
如果明天一早，全球所有的未解数学猜想，突然全被 AI 彻底证明了，你以为数学家们会开香槟庆祝吗？
不，整个数学界可能会瞬间陷入前所未有的休克与瘫痪。
这样的担忧已有现实依据2026 年 8 月中旬，被公认为当世最聪明数学家之一的菲尔兹奖得主、UCLA 教授陶哲轩（Terence Tao），在国际数学家大会（ICM 2026）上发表了一篇震动全球学界的万字长文：《AI 时代的数学》（Mathematics in the age of AI，arXiv:2608.16753）。
▲ 陶哲轩在 arXiv 上发布的随笔《AI 时代的数学》（arXiv:2608.16753）
陶哲轩在文章一开头，就极其冷酷地按下了争论的暂停键。他拒绝再去参与那个公众争得不可开交的口水仗，“AI 到底能不能解决高深数学问题”。
他随即提出了一个足以改变行业前提的工作假说（Working Hypothesis）：默认 AI 很快就能以极低的成本、极高的成功率，独立搞定绝大多数研究级的数学难题。
然后，他抛出了一个直指人类灵魂的终极问题：
“如果证明不再稀缺，如果机器能源源不断喷涌出正确的答案，那过去几百年里，人类数学家到底在干什么？数学这门学科，究竟是为了什么而存在的？”
▲ 社交媒体上对陶哲轩“工作假说”与学科危机的热烈讨论
荒诞的现实：800页的“AI数学垃圾”与崩溃的学者
很多人以为陶哲轩担心的未来还在远方，但事实上，失控的齿轮已经在现实中疯狂咬合。
就在陶哲轩文章发布的同一周，日本中央大学的代数几何学者渡邉究在社交平台上发出了一声无力的哀叹：
当天早晨，预印本网站 arXiv 上突然出现了一篇长达近 800 页的论文，声称彻底解决了他所在领域的世纪重大难题。然而，作者来自其他学科，是一个缺少代数几何专业背景的年轻学生，并且在论文中对 AI 的使用说明含糊其辞。
▲ 日本数学学者渡邉究公开表达对海量 AI 巨幅论文核实成本的担忧
面对这本堪比砖头、充满机器生成痕迹的 800 页巨著，数学界陷入了荒谬的尴尬：人类专家要核实它，往往得耗费数月乃至数年的宝贵生命；放任不管，它又会大摇大摆地挂在学术公地上。
最后，另一位数学家不得不用 AI（Claude）去“以毒攻毒”，通过逆向回溯整篇论文的论证骨架，才迅速指出其在关键命题上存在循环论证、核心困难根本未被处理。
这只是冰山一角在著名的保罗·厄利迪什数学问题库（Erdős problems）网站上，已经涌入了海量由 AI 生成的数学证明。尤其令人不安：不少提交这些证明的人自己公开声明：“抱歉，我看不懂这段证明，我也不配去核实它，但机器告诉我它是对的。”
▲ 收集数学未解难题的 Erdős problems 网站已成为 AI 生成证明的现实试验场
我们正在目睹一场前所未有的“智力消化不良”：机器制造“看似正确”或“形式正确”的证明比喝水还快，而全人类所有顶尖数学家加在一起的阅读速度，却远远赶不上机器的生成速度。
历史的镜像：从“真理危机”到“价值崩塌”
陶哲轩在文中做了一个极为深刻的历史类比。
大约在 1900 年到 1930 年间，数学界经历了一场惊心动魄的“数学基础危机”。罗素悖论的出现、哥德尔不完全性定理的诞生，把数学家们逼到了悬崖边，大家发现，连“什么是集合”、“什么是绝对真理”这些底座都在晃动。那场危机最终逼着人类建立起了严密的现代公理体系。
▲ 陶哲轩指出：当下的压力测试已从真理基础转向数学的隐性价值体系
而今天，陶哲轩指出，数学正在遭遇百年未有的第二次大震荡。
这一次，晃动落在了人类数学共同体维系几百年的“价值与实践框架”上：
到底什么才算是一项学术贡献？ 我们为什么要给某个人颁发终身教职或菲尔兹奖？ 什么才算“理解”？ - 当一台服务器在一个下午就能吐出一万个被验证正确的定理时，“证明一个定理”本身，还值钱吗？
在过去，人类处于“证明稀缺”的时代一个数学猜想可能要耗费几代天才的心血，因此“谁第一个证明了定理”，就成了衡量地位与荣耀的唯一记分牌。期刊审稿、大学招聘、终身教职、科研基金，全套体系都是为了应对“稀缺”而设计的。
但当技术奇点将我们一把推入“证明充裕（Proof Abundance）”的时代，这套记分体系会瞬间爆裂。
这就是著名的古德哈特定律（Goodhart's Law）：一旦一个指标变成了优化的目标，它就不再是一个好指标。 如果学术界继续以“解出题目的数量”来论英雄，那么所有人最终得到的，只会是一片被廉价 AI 废话淹没的学术废墟。
消失的“自然摩擦”：机器很聪明，但它教不会你
在长文中最令人动容、也最充满洞察的一幕，是陶哲轩展示了一张泛黄的历史切片。
那是他年轻时阅读数学大师让·布尔甘（Jean Bourgain，1994年菲尔兹奖得主）1991年一篇论文时的原始手稿。在论文密密麻麻的公式页边，年轻的陶哲轩写满了沮丧、抓狂甚至带有情绪宣泄的批注。
陶哲轩回忆道，正是因为布尔甘在论文中留下了人类思考的痕迹，那些作者自己感到艰难时格外小心写下的引理、突然变换的记号、带有犹豫与挣扎的措辞，构成了知识传递中的“自然摩擦（Natural Friction）”。
人类读者恰恰是通过这种“摩擦”，在硬啃与痛苦中，完成了心智的跃迁，摸清了大师直觉的脉络。
但 AI 写作彻底改变了这一切
AI 极其擅长生成语法完美、逻辑光滑、毫无瑕疵的推导。它把所有的“人为错误”磨平了，但同时也把所有带有启迪性的“自然摩擦”彻底抹杀了。
其结果是：整篇证明极其好读，却极难被人类吸收；每一步都在逻辑上挑不出毛病，但你读完之后，脑子里一片空白，根本不知道这套思想为什么能诞生，更无法将其迁移到新的未知领域中。
这让人联想起 1994 年传奇数学家威廉·瑟斯顿（William Thurston）写下的那句名言：
“数学产生的是人类的清晰度与理解力，定理的数量居于其次。”
如果一个证明不能让人类变得更聪明、更通透，那它对人类文明而言，就只是一堆毫无温度的冰冷字节。
陶哲轩的铁律：讲不清楚的证明，即使全对也是“垃圾”
面对这一场奔腾而来的海啸，全球数学界并没有坐以待毙。
2026 年 6 月，由多位顶级学者发起、并获得国际数学联盟（IMU）官方背书的《莱顿人工智能与数学宣言》（Leiden Declaration）正式发布，向全行业敲响了警钟：严禁无披露使用 AI，警惕商业公司用新闻稿抢发科研成果，坚守人类对学术真理的最终责任。
▲ 获国际数学联盟背书的《莱顿人工智能与数学宣言》
而陶哲轩在此基础上，掷地有声地提出了自己的一条“黄金经验法则（Rule of Thumb）”：
“如果一项成果的作者，无法面向同行令人信服地给出一场清晰、专家级、逻辑透彻且归属分明的学术报告，那么这项成果就不应该被发表；一个没有任何人类能够解释清楚的证明，哪怕它已经在计算机中通过了严密的形式化代码验证（如 Lean 4），在人类学术意义上也必须被视为不完整。”
这是一条极其辛辣、却在守卫人类智慧尊严的底线。
它意味着：证明的“正确性”只达到及格线；“人类的可理解性”才配得上数学的皇冠。
在软件工程领域，程序员们最近常说“Vibe Coding（氛围写代码）”，你让 AI 疯狂敲出上万行代码，跑起来似乎没报错，但全公司没有一个人知道底层是怎么运转的，一旦系统崩溃，就是灭顶之灾。
数学如果沦为“Vibe Math”，人类将彻底失去对这门最古老学科的掌控权。
重新定义人类的价值：从“解题工”到“意义建筑师”
陶哲轩的这篇万字长文，俨然一份吹响文明范式转移的冲锋号。
当机器把“推导”与“算力”卷到极致，人类不仅没有被淘汰，反而在被逼着回归最纯粹的本质：
- 提出好问题的能力，将彻底超越解题本身。
在一个解题泛滥的时代，判断“哪个方向重要、哪个问题深刻”的品味，将成为极度稀缺的资产。 - 翻译与阐释的能力，将迎来价值重估。
谁能把机器吐出的天书般的逻辑网络，淬炼成人脑能够理解、能够传授给下一代学生的直觉框架，谁才是后 AI 时代的大师。 - 人类的脆弱与直觉，是不可替代的灯塔。
数学包含客观逻辑，也记录着人类这个物种在浩瀚宇宙中，用有限的大脑试图理解无限规律的心智史诗。
AI 确实正在以前所未有的速度攻城略地。它能攻克最难的证明，能穿透最复杂的代数结构。
但正如陶哲轩在文章最后所昭示的那样：机器可以负责计算，但唯有人类，才能赋予数学以意义。
这场百年未有的危机，最终逼问人类：在退无可退的智力高地上，我们能否重新找回那颗对“深刻理解”永远抱有敬畏与渴望的心。
