40 位顶尖数学家 8 月初在 OpenAI 旧金山办公室关起门来,问了一个没人敢拍胸脯回答的问题:AI 能做数学研究了,人类数学家还剩什么?Daniel Litt 那场报告标题很惊悚——《数学的终结》。但「终结」是警示性标题,不是结论,40 人也没达成共识。
补漏: 1. 四种未来是 Bubeck 提的:数学变软件工程(数百人协同)、变物理学(堆算力替代粒子加速器)、变博物馆策展(AI 产出人类挑)、或数学家集体转 AI 安全。Bubeck 自己清醒:「数学只有在数学家从中学到东西时才有意义」。 2. 真正犀利的批评来自 Melanie Matchett Wood:顶级模型解释有个通病——简单的部分说一大堆,难的部分一笔带过,还识别不出论证里真正困难的点。数学界的核心价值是「理解结果,不只证明结果」,一个没被理解的证明进不了文献。 3. Andreas Thom 的区分更精确:OpenAI 10 项成果里那项「非 sofic 群」新构造,填了他和 Gábor Kun 2016/2019 两篇论文之间的空白;他和 Kun 随后发了后续论文简化拓展。Thom 说:新概念是人类参与证明过程后才浮现的,目前还不是 AI 自己做到的。 4. Tsimerman(2022 菲尔兹奖)拿奖当天宣布去 OpenAI 做 AI 安全——这本身才是「价值危机」的具象化:当 AI 能证的定理越来越多,数学家开始怀疑自己的不可替代性。 5. 制度层面已有反应:6 月《莱顿宣言》超 3000 名数学家联署,呼吁负责任用 AI、成果经核验与规范署名。但真正的危机可能不是「AI 不会解释」,而是「产出速度超过人类理解、筛选、吸收的能力」——正确答案没人真读懂,数学不会终结,却会淹死在正确答案里。
下一根最该盯的钉子:中国数学界优势在「人多+题量大」,劣势在「原创概念相对少」。AI 会快速抹平「题量大」的优势,却难替代「原创概念」。所以下注点不是「AI 能加速证明多少」,而是制度怎么回应——菲尔兹奖、ICM 邀请报告、数学年刊的评价体系,该怎样重新定义「数学家的价值」。