AI攻占数学界的速度已超越人类心智的承受极限——菲尔兹奖得主陶哲轩上周还在力推AI开源数学模型，本周却猛然拉响警报：“速度疯了，必须放缓！”他的博客随即引爆顶尖学者世纪大论战：当AI能无感情地批量生成证明，延续千年的数学体系是否已走到尽头？人类学者的终极价值，究竟藏在哪里？
点开菲尔兹奖得主陶哲轩的博客的评论区，你会感到一种前所未有的震撼——当今世界最顶尖的一批数学家、物理学家、AI圈大佬们齐聚于此，各抒己见，吵得好不激烈。
字里行间，探讨的竟是“数学界的生死存亡”与“人类学者的终极价值”。
而引爆这场世纪大辩论的导火索，是接连几天内发生的极具戏剧性的巨震。
就在这场大吵爆发的前一天，一段关于陶哲轩发声要求“放缓AI发展”的视频，刚刚在全网疯狂刷屏。
在视频中，这位向来拥抱新技术的顶级学者面色凝重，发出了史无前例的严重警告：
“我们必须放缓AI。现在的速度简直疯了，根本没有理由这么快——毫无理由可言！”
他接着说道：“令人惊讶的是，我们在完全不知道后果会怎样的情况下，竟然如此心甘情愿地改变一切。这是一种极端的非线性动态。”
更让人感到一种魔幻现实主义的，是时间线上的冲突——就在刚刚过去的上周末，陶哲轩本人才刚刚提议并大力推进了“SAIR：开源数学模型，以及如何做出贡献”的项目。
上周还在亲自为AI开源数学模型招兵买马，规划蓝图；昨天就突然拉响警报，疾呼“速度疯狂、必须放缓”；今天，他的博客就成了数学界直面AI的决战之地。
短短几天内，陶哲轩态度的激烈碰撞，彻底撕开了当前学术界面临的恐怖现实：延续近千年的数学研究体系和博士培养机制，正面临被AI彻底摧毁的绝境。
旧时代已死：人类学者将沦为平庸的机器工程师？
为什么陶哲轩会感到如此警惕，甚至认为这是一种“极端的非线性动态”？
因为AI攻占数学界的速度，已经超越了人类心智的承受极限。
在过去，数学研究是人类智慧王冠上的明珠。
一个数学博士，往往需要花费数年时间，在浩如烟海的文献中寻找灵感，为了证明一个小小的引理而绞尽脑汁。如果能做出哪怕一点点“原创性贡献”，就足以顺利毕业，并在学术界谋得一席之地。
但现在，时代变了。
随着AI大模型的极速进化，尤其是自动定理证明器（如Lean）与大语言模型的深度结合，AI已经拥有了令人胆寒的数学发现能力。
极具讽刺意味的是，陶哲轩曾大力推广的协作解题与Lean形式化验证工具，原本是为了方便人类学者交流，如今竟成了机器大军“围剿”人类的顶级武器。成千上万的AI智能体正不知疲倦地在简陋的留言板上协作，以光速探索着数学潜在空间的每一个阴暗角落。
面对不知疲倦、算力无边的机器，要求一个普通的人类数学博士在“证明定理”上去做出原创性贡献，已经变得极其困难。
有悲观者绝望感叹：传统的纯人类数学研究方式已彻底宣告终结。在短暂的过渡期后，一个由机器主导的新时代将悄然降临。而未来的人类学者，或许将可悲地沦为只能去“理解机器发现”的平庸工程师。
25万数学博士面临绝境？数学，这个延续了千年的古老学科，难道真的只剩下让AI疯狂刷榜、“做题”这一层意义了吗？
在这个生死存亡的十字路口，今天冲上热搜的陶哲轩博客文章，犹如漫漫长夜中的一座灯塔。这篇由著名数学科普大V、3Blue1Brown创始人 Grant Sanderson 撰写的客座文章，题目极具“宣战”意味：
《如果数学不仅仅是证明，我们需要更好地颂扬它的其余部分》
这篇文章，为面临AI冲击的数学界，指出了一条全新的自救之路。
数学的真谛：不是生成证明，而是“人类的理解”
Grant Sanderson 在文章开篇就抛出了一个振聋发聩的观点：
“当前数学界回荡着一种共识：解决问题和生成证明，一直以来只是数学家真正目标的『代理指标』。而数学家的真正目标，是增进人类的理解。当AI在没有任何『理解』的情况下也能生成证明时，『证明』作为衡量指标的价值就被彻底削弱了。”
这句话，狠狠扯下了学术界长期以来的遮羞布。
一直以来，学术界重“证明”，轻“阐述”。
你证明了一个千禧年大奖难题，你就是神，就能拿菲尔兹奖；但如果你只是把一个复杂的定理讲得深入浅出，哪怕惠及百万学子，在传统的学术评价体系里，你也只会被打上“搞科普的”标签，算不上硬核学术贡献。
Sanderson 一针见血地指出：AI现在就是一个无情的“证明生成机”。
如果外界认为能写证明的机器让数学家变得多余，那么，数学界就必须站出来，用全新的奖励机制向世界大声宣告——人类数学家的核心价值，是对知识内在联系与清晰性的追求，绝不仅仅是一台证明机器！
为此，Sanderson 正式提出了一个可能改变未来数学界格局的新概念：“动机阐释”。
什么是“动机阐释”？它和冷冰冰的“证明”有什么区别？
在证明中，定义往往放在开头。 传统数学家喜欢直接甩出一个全新的、晦涩的结构，然后开始冷酷地推导它的性质。
在动机阐释中，定义坐在中间。 只有当我们要解决的问题已经被清晰地建立，新的结构才被允许引入。你要告诉读者，我们为什么要发明这个概念？
在证明中，每句话都必须是100%正确的， 每一个主张都必须是前文的必然推论。
在动机阐释中，你可以从一个“虽然简单但却是错误”的想法开始。 这叫作“探索式虚构”。你可以带领读者经历“提出错误想法 -> 发现哪里崩溃 -> 修复问题 -> 发现新问题”的过程。因为，这才是人类大脑认知世界的真实过程！
证明的目的是告诉你：“这个定理是对的。”
而动机阐释的目的是告诉你：“这个定理为什么是对的？它是怎么被想出来的？为什么一开始我们要提出这个问题？它在更宏大的数学宇宙中处于什么位置？”
网友 Mark Miner 在评论区的一段话极其生动地点明了这一点：“100%赞同。如果我六年级的侄女听不懂这个证明，那它就还没有被解释得足够好，不能称之为证明。”
他举了黎曼猜想中Zeta函数的例子：“看看那些可视化图形，你就能凭直觉感受到为什么实部必须是1/2，函数才会在范围内归零。如果小于1/2，线圈变红膨胀；大于1/2，线圈变蓝收缩。你可以像小孩子玩蒙特梭利玩具一样自己调整参数。这才是真正的理解！”
大神们的呼唤：设立“开放式阐释问题”
为了让“动机阐释”不再是毫无学术回报的“用爱发电”，Sanderson 在陶哲轩的博客上提出了一个极具颠覆性的倡议：设立“开放式阐释问题”。
这个想法其实早有渊源。
早在2007年，数学家 Timothy Chow 就曾提出过类似的概念：解决一个“开放式阐释问题”，意味着以一种完全透明、清晰的方式解释一个数学主题。每一步都应该有动机；最理想的状态是，让学生觉得“我上我也行”，他们自己也能推导出这个结果。
但当年，这个提议响应寥寥。因为那时候，人类还在为证明定理焦头烂额。
而今天，情况变了。Sanderson 指出：“目前，AI生成的每一个证明，天生就是一个『未解决的阐释问题』。”
想象一下未来几年，AI疯狂吐出成千上万个冷冰冰、毫无逻辑美感、甚至长达几千页的代码级证明。
这就像机器扔给了人类一座座矿山，如果人类不去提炼、不去解释、不去建立概念之间的桥梁，这些“真理”对人类的心智而言将毫无意义。
已故数学大师、菲尔兹奖得主 Bill Thurston 在1993年那篇著名的《论数学的证明与进展》中就写道：
计算机的飞速发展突显了这一点……当Appel和Haken利用海量计算完成四色定理的证明时，引发了巨大争议。
我认为这并不代表人们怀疑定理的真实性，而是反映了人类一种持久的渴望：除了知道定理是真的，我们还渴望通过人类的心智去真正理解它。
为了推动这一转变，Sanderson 提出了几条极具实操性的呼吁：
1.重塑博士答辩： 导师不要只让博士生去解题，可以让他们用AI解题，但最终的考核指标是：你必须举办一场演讲，把这个晦涩的难题或AI证明，给全系的师生讲得明明白白。
2.现代版的希尔伯特问题： 呼吁陶哲轩这样的数学界领袖，发布一份“未解决的阐释问题”清单，告诉全人类，哪些重要的定理我们至今仍是“知其然而不知其所以然”。
3.改革终身教职评定： 将编写优秀的教科书、制作具有高度启发性的学术内容，置于和发表顶级期刊同等甚至更高的地位。
最近，研究者 Liam Price 利用 GPT-5.4 Pro 解决了一直难以攻克的 Erdős 第1196号问题。
然而，最初的AI证明虽然存在，却像天书一样，人类的理解并没有因此推进。
随后，多位人类数学家（包括陶哲轩本人在内）接手了这篇“天书”。他们破译了AI的方法，提取出了核心思想，并将其整理成了人类可读的论文。更重要的是，人类学者阐明了这个核心思想不仅解决了原始问题，还澄清了周围的许多相关猜想。
在这个过程中，AI只是“挖矿机”，而人类数学家才是真正的“珠宝设计师”。 那篇理清脉络、升华思想的人类论文，远比AI输出的原始代码值得庆祝。
激烈交锋：物理学家的群嘲与守旧派的担忧
陶哲轩的这篇博客一出，X上和评论区立刻化身为大型“学术辩论场”。
最先赶来“嘲讽”加“欢迎”的，是隔壁物理学界的同行。
著名物理学家 Lenka Zdeborova 发了一条火药味与幽默感兼具的推文：
“25年来，我们搞理论物理的总是被告知『你们那不叫数学』，因为我们优先考虑的是『理解』而不是『严格的证明』。现在看到数学界因为AI而产生这样的辩论，我感到非常暖心。突然之间，许多数学家开始解释：数学是关于理解的，而不仅仅是证明。欢迎来到我们的世界！”
有网友附和道：“物理学家和数学家的核心哲学分歧就在于：物理学家认为数学背后有一个现实，数学只是在试图逼近现实；而数学家认为，数学本身就是现实。现在AI把数学高高在上的『神性』打碎了，数学家终于要回归人类的直觉了。”
当然，数学界内部并非毫无保留地接受这种转向。许多学者表达了深深的担忧：
反对声音一：这是对不善言辞的天才的埋没！
有人留言提到已故的数学天才Jean Bourgain。
布尔甘以其粗犷、直接、甚至极其难读的论文风格著称，但他解决问题的能力是核弹级的。
“如果你把评价标准转向『阐述』，那布尔甘这样不善言辞但能证明惊世定理的天才是不是就被埋没了？难道要让未来的布尔甘流失到工业界吗？”
对此，陶哲轩本人亲自下场回应。
他温和却有力地反驳：“我认为布尔甘牺牲阐述而专注于解题，是那个时代奖励机制的『后果』，而不是这套机制合理的『证明』。我私下与他接触过，他完全具备极佳的阐述能力。如果当年的学术环境能给『阐述』更多的权重，他调整写作风格后，对数学界乃至更广泛群体的贡献，绝对比现在还要巨大！”
反对声音二：AI迟早也会掌握“完美阐述”！
还有学者（如Tsimerman）指出，不要太天真了。
AI现在的阐述能力确实一般，但未来大模型必定能生成比人类更完美的教科书级别的“动机阐释”。
如果连“理解和解释”都被AI包揽了，人类数学家还能干什么？
一位匿名网友一针见血地回应了这种“AI万能论”：
“我对某些人对AI的盲目崇拜感到惊讶。什么是『最好的阐述』？这高度取决于试图理解数学的那个特定人类。没有一个静态的『阐述有效性函数』。我们之所以要关注阐述，是为了促进『人类对数学的理解』，而不是『机器对数学的理解』。”
没错，哪怕AI把菜做得再好吃，人类也需要自己咀嚼和消化，才能获得营养。数学不是为了把冰冷的真理堆满服务器的硬盘，而是为了让人类的心智得到升华。
一位提议将“有限单群分类”作为首个“千禧年阐释问题”的学者留言说得令人动容：
“这项证明涉及数千页论文，甚至很多专业数学家都无法完全理解。随着老一代专家逐渐退休，这门手艺有成为『失传手艺』的危险。如果我们在面对未来AI生成的数千页证明时不想束手无策，我们就必须从现在开始，进行大规模的跨界合作，为这些宏大的数学建筑提供『动机阐释』。这是一次人类保卫自身理性的演习。”
危机还是转机？新时代的入场券
回到文章开头，上周还在开发开源数学模型的陶哲轩，昨天为什么要在视频中发出“疯了，必须放缓AI”的严重警告？
因为极端的非线性动态，意味着失控。
陶神的绝望和呼吁，并非因为人类在算力上输给了机器，而是因为我们在文化、体制和心理上，根本没有做好迎接这场大变革的准备。
如果学术界依然死守着“唯证明论”、“唯论文论”的僵化体制，那么在这场AI的海啸中，成千上万的青年学者确实将面临绝境，人类的数学信仰也将受到毁灭性的打击。我们在不知道后果的情况下，正在亲手摧毁延续千年的学术生态。
但是，如果我们按下暂停键，好好审视一下 Grant Sanderson 提出的这场“文化转向”呢？
正如他在文章末尾所言：
“对于现在的年轻学生来说，这其实是进入数学领域最令人兴奋的时代。因为没有比进入一个『具有极强可塑性』、并且你『有机会积极塑造其未来面貌』的领域更令人激动的了。”
当繁重、枯燥的逻辑推演被AI接管，人类数学家终于可以从流水线上的“证明工人”，进化为真正的“数学建筑师”和“思想哲学家”。
我们可以有更多的时间去问“为什么”，去寻找不同领域之间不可思议的联系，去把高深莫测的宇宙密码，翻译成六年级小女孩也能看懂的跳动图符。
正如网友引用的 Scale AI 创始人 Alexandr Wang 的那段话：“正如我告诉我侄子的，数学会让你自由。”
在钻研得足够深的任何事物中，你都会发现数学。数学是连接整个宇宙的网，是物理学定义世界的语言，更是人类在浩瀚无垠的真理之海中，确认自身存在的最美印记。
AI可以递给我们满满一袋子名为“真理”的答案，但面对这无尽的真理之海，唯有深刻的“人类理解”，才能化作我们航行的罗盘。
旧的时代正在崩塌，但一个真正属于“人类心智理解”的数学文艺复兴，或许才刚刚开始。
本文来源：新智元
