欢迎来到数学领域的 AI 危机

背景：从“草莓”到存在危机

在 The Verge 的 Decoder 播客中，主编 Nilay Patel 与驻伦敦 AI 记者 Robert Hart 讨论了 AI 对数学的冲击。OpenAI 发布了一批长期数学难题的解法，在数学界引发巨大争论，许多顶尖数学家陷入存在危机：数学是什么？数学家未来做什么？

AI 仍不擅长基础算术，例如过去模型数不清 strawberry 中有几个 R；The Verge 的 Elissa Welle 也曾报道 ChatGPT 不能报时，模型至今搞不清星期。但过去六个月到一年，前沿模型在高端抽象数学上突飞猛进。2024 年甚至去年，主流看法还是 AI 尤其不擅长数学。软件工程领域早已经历类似 AI 危机，数学则被压缩在很短时间内。数学并非单一学科：AI 在计数等部分仍差，据称拓扑学也仍弱，但在连接不同领域、以新方式套用旧方法等方面变强，达到临界规模后“开窍”。这引发疑问：AI 实验室能否把数学能力迁移到其他领域？若模型直接回答所有未解问题，资助和培养人类数学家识别新问题还有什么意义？这些关注是否只是前沿 AI 实验室的营销？

OpenAI 的突破与归因争议

2026 年 5 月，一个未公开的 OpenAI 内部模型否证了有 80 年历史的单位距离猜想；Robert Hart 怀疑它就是后来公布的 Astra。几周前，OpenAI 发布博客和数百页文件，题为 “10 Advances in Mathematics and Theoretical Computer Science”，称最新模型 Astra 在量子博弈论、高维球堆积等多个学科解决了 10 个问题。社区反应像炸弹：研究者称，如果人类解决其中任何一个，学术生涯基本稳了；若全部解决，几乎令人难以置信。这些问题也是数学家真正关心、长期尝试未果的问题，不同于过去被批评为无关紧要的突破。

但争议在于归因。OpenAI 最初称 10 个问题过去 10 年毫无进展，可论文显示其中一项明显建立在两位研究者的进展之上，公司后来悄悄修改。部分研究者不满，认为未充分致谢；被点名者态度复杂。Robert Hart 认为，严格读论文并非抄袭，更像糟糕的新闻稿，全世界可能只有约 50 人会深入阅读。外界也因模型未发布而无法独立测试；不知道 OpenAI 尝试了多少问题才得到这 10 个。AI 实验室还在幕后雇佣资深数学家，提示和引导可能很关键。数学证明不同于实验科学，证明成立就是成立；OpenAI 还发布了 Lean 形式化验证，虽无法独立测试模型，但在相关领域的研究者认为突破基本可信。

数学会被“割草”吗？

更深层担忧是：AI 可能把数学问题成片“割倒”，人类却被排除在循环外，不检查、不理解，也不知道未来突破从何而来。苏黎世研究者 Johannes Schmitt 担心，问题被 AI 扫平，但领域并不因此推进。菲尔兹奖得主 James Maynard 表示自己在自我反思；他还说，如果可发表论文的标准变成“AI 做不到的事”，而博士通常要四年，那么挑战不是现在 AI 不能做什么，而是四年后的 AI 能做什么。

许多数学家认为，解题只是外行视角，领域最有价值的是解法衍生的新领域、新工具和新问题；AI 不会主动提出新问题，可能让数学变得贫瘠。尤其那些被用作年轻数学家训练场的问题，被 AI 扫平后影响更大。共识是悬而未决、为时过早：数学本不是快速变化的学科，但过去半年到一年的爆炸让危机真实存在。若学生现在选择 AI 尚不擅长的冷门方向，读博中途也可能被新一代模型追上。