冲上热搜！当“外星舰队”入侵数学，需要守住什么？

近期，AI与数学界“冲突”不断：9月中旬，陶哲轩、邓煜等25位菲尔兹奖得主联合发表公开信，指出当前AI公司与数学共同体的目标严重错位，可能损害数学研究生态，尤其影响学生和早期职业数学家。同一天，一个名为“人类数学协会”的学术组织宣告成立，呼吁抵制商业AI对数学研究的无序入侵。 在大洋彼岸的加州理工学院，一场原本由OpenAI提供算力赞助的“数学马拉松”活动遭遇学界强烈抵制，迫使AI巨头宣布撤资。

一系列事件叠加，让“AI for Math”的学术伦理、成果归属与评价标准，成为当下数学界无法回避的热点议题。学界争论焦点不在于AI能否辅助演算，而是如何界定AI在原创数学研究中的边界，守住数学发展的立身之本。正如北京大学北京国际数学中心教授谢俊逸所说：“数学家就像天文学家，最先观测到AI‘外星舰队’入侵。这不仅仅是数学领域的问题，更是关乎全人类的命题。”

近日，OpenAI宣称，其未公开的内部模型组织了约1万个AI智能体，用88小时给出了纳维-斯托克斯方程存在性与光滑性问题的证明，并公开166页论文和Lean验证代码。 虽然“出题人”克雷数学研究所尚未最终确认，但这意味着，人类思考了近200年的问题，人工智能用万分之零点五的时间在逼近正确答案。

在很多公众印象里，AI攻克数学难题是近两年突然爆发的现象。据谢俊逸及复旦大学上海数学中心特聘教授李志远等学者梳理，AI介入数学研究大致分为四个阶段：第一阶段是简单辅助计算，程序由人写、计算机只负责海量计算；第二阶段是形式化验证，把人的数学语言翻译成机器语言，校验人的逻辑链条是否严谨；第三阶段是大语言模型开始深度参与数学研究，多家AI公司开展“军备竞赛”；第四阶段则是最近以纳维-斯托克斯方程为代表的模式——用大量AI智能体并行探索，AI像团队一样工作。

“AI掌握了人类已有经验，可以无缝打通不同数学分支，把A领域方法迁移到B领域，跨学科学习成本远低于人类。”李志远总结现阶段AI的优势。但他同时认为，当下模型很难凭空创造出全新数学概念与思想范式，真正的重大原创依旧依靠人。

2000年，克雷数学研究所公布了7道“千禧年难题”，每道悬赏100万美元。其中庞加莱猜想已由俄罗斯数学家格里戈里·佩雷尔曼完成证明，剩余6道一直悬而未决。

AI能否一一攻克这些世纪难题？学界态度整体较为审慎。谢俊逸指出，不能简单用人类视角判断AI解题难度。同一个猜想，对人很难，对AI未必，反之亦然。部分问题本身在数理逻辑上存在不可证的可能性，无论人还是AI都无法得到答案。

如果AI产出菲尔兹奖级别的成果，奖项应该颁给谁？对此，学界提出了现实困境：菲尔兹奖最多允许4人共享，而训练大模型往往是数百人的庞大团队，奖项规则很难适配。李志远表示，如果未来大量顶级成果来自AI，现行评奖体系就会陷入真空，菲尔兹奖的运行模式或许需要被重新审视。谢俊逸提及菲尔兹奖设立的初衷，“这是一份鼓励青年数学家、发掘尚未被充分重视重要工作的奖项，奖项应当服务人类社会”。

随着人类数学协会成立、菲尔兹奖得主联名公开信等一系列事件发酵，“抵制AI做数学”等话题冲上热搜， 一场关乎“数学灵魂”的风暴已无法回避。

据了解，人类数学协会的两条硬性承诺是不为商业AI公司工作，不把AI生成核心内容当作自己成果发表；而“完全不使用AI做研究”属于自愿选项，并非强制要求，不少会员依旧会适度使用AI辅助科研。25位菲尔兹奖得主联合声明的核心观点并非全盘否定AI，而是直指AI公司与数学共同体的“目标错位”。

“AI公司把攻克知名数学猜想当成大模型性能的跑分榜。”美国佛罗里达大学博士后、B站数学科普UP主“钰子一”一句话道出AI公司的商业逻辑。如今，普通任务处理已无法区分顶尖大模型能力，于是攻克重大数学难题就变成各家比拼实力、烘托市场估值的战场。李志远则给出了进一步分析：“企业追求模型性能快速迭代和商业变现，而数学研究者追求人类的概念洞见与思想传承。两套目标天然冲突。”

但这场AI与数学的风波背后，更深层的矛盾在于学术生态如何延续。“钰子一”提到，从教学看，美国数学专业学生常交满分作业但考试不及格，“这显然是AI带来的坏处”。上海交通大学数学系博士生、B站数学科普UP主“分析学爱好者”说，有人用“原子弹爆炸”来形容AI对数学的冲击，但他觉得更准确的比喻是“二向箔打击”——“你把问题解决了，但我们本来指望着在这个问题的解决过程中，人们去思考它，产生新的概念、思想和范式，这些也一块被二维化了。”

那么，AI时代，数学博士还有培养的价值吗？数学系新生该如何规划学习？未来数学岗位会大幅缩减吗？

谢俊逸认为，即便AI可以解答无数数学问题，但提出好问题的欲望与能力依旧属于人类。不去亲身做推导、浸泡在数学思维之中，人类连高质量问题都无法生成。因此，本科阶段的基础数学训练依旧不能放弃。他强调，AI可以用来查阅资料，但不能完全代替自己动手思考。评价优秀数学家的标准未来或许会从“产出多少篇论文”，更多转向人与人的交流，看研究者能不能把复杂思想讲清楚、传递给同行。

李志远同样建议低年级学生放平心态，先扎实掌握课内基础，不必过早陷入恐慌。未来，纯数学岗位存在不确定性，应用数学因与产业结合紧密，缓冲空间更大。在他看来，AI冲击是全社会现象，并非单单针对数学。数学博士训练真正的珍贵之处在于，逻辑、洞察力、专注力这些可以迁移的思维能力，而不仅仅是论文成果。

两位青年研究者也给出自己的回答。UP主“分析学爱好者”提出一个略带“暴论”的观点：AI时代，数学专业反而可能是最好的专业。具体技术知识可以交给AI查询，但数学训练打磨的注意力、洞察力，是很难被机器替代的底层素养。UP主“钰子一”表示，数学学科珍贵的人文底色、师徒传承，以及同行之间思想碰撞带来的精神共鸣，是AI无法复刻的部分。未来的数学研究，更需要人与人的深度交流。 返回搜狐，查看更多