数学难题正被AI批量攻克，数学家却被逼着给AI擦屁股

多年之后，面对人工智能，数学家们或许会回忆起 OpenAI 在数学界掀起波澜的那个遥远清晨。

10 月 6 日，OpenAI 在 GitHub 上一次性发布了 722 份手稿，其中包含 372 个数学难题的证明研究，给数学家们带来了巨大冲击。

这些题目有多厉害，外人难以理解，但从数学界内部研究员的反应来看，可能比之前 GPT 快速攻克千禧年难题更为惊人。

罗格斯大学的数论学家 Alex 直言，这简直是在戏弄人，准黎曼猜想都被解决了，菲尔兹奖干脆直接颁给你算了。

英国皇家学会的研究员 Thomas 则更加淡定，建议大伙儿休息一下，陪陪家人，感受大自然，之后再回来工作。

没办法，上次千禧年难题被快速解决时，大家的感受还没那么强烈，毕竟数学细分领域众多，隔行如隔山。

但这次 OpenAI 毫不留情，攻击范围覆盖了 17 个领域，包括数论、代数、几何、拓扑等，火力覆盖范围直接拉满。

除此之外，解题成本也大幅下降。之前解 NS 方程时，需要上万个 Agent 协同工作 88 小时，但这次平均下来，一个问题只消耗了 ChatGPT Pro 三个小时的计算资源。

没错，甚至还是 Chat 模式。

难道数学真的要完蛋了吗？

从传统视角看，确实不容乐观。我们之前采访过业内人士，大家可以看看（15 分钟一局的王者荣耀，成了数学博士生的避难所）。AI 辅助数学研究的趋势其实早已不可阻挡。

但目前争议的焦点并不在这里，而是 OpenAI 这些模型厂商大量粗制滥造的证明，可能正在损害数学，甚至科学研究本身。

因为他们发布的证明说明和论文，很多都是废话连篇、逻辑不通的。虽然能通过机器验证，但很难沉淀成人类能理解的知识。

这件事数学家们已经多次呼吁了。

上个月 11 日，就在 NS 方程问题被解决后，陶哲轩联合 25 位菲尔兹奖得主发布了联合声明，强调的就是这一点。他们指出，AI 搞数学确实厉害，但现在的用法不对，存在严重错位，不能让 AI 公司把数学题当成基准测试来刷。

这次事件后，人类数学协会 AHM 发表的声明更加激烈。他们呼吁数学家停止与 OpenAI 合作，因为这家公司只会炫耀能力，忽视科研规范，大家还是应该回归以人类为中心的科研模式。

这可不是被 AI 抢了风头的委屈抱怨，而是他们切实感受到，AI 这样大量发布，真的会出问题。

比如今天下午，OpenAI 就撤回了已经发布的 3 份手稿。原因相当草率——一篇论文的一个正负号搞错了，导致关键结论出错，并引发连锁反应，把另外两篇依赖它的论文也拖下了水。

不说别的，如果 AI 公司继续这么干，连锁反应的链条可能会越来越长，幻觉自然会越来越严重。

当然，数学证明出错并不罕见，人类数学家也经常犯错。强如证明费马大定理的怀尔斯，也曾用一年时间修补最初的证明过程。

但麻烦的是，AI 实在太快了，快到了另一个维度。

以前数学成果一篇篇地出，大家还能慢慢审查、慢慢讨论。

现在 AI 一口气甩出几百份，验证对错、梳理思路、整理成人类能理解的知识，这些最后都得落到人类数学家的头上。别忘了，人刚刚才被 AI 轰炸一轮，又该以怎样的心情去给 AI 擦屁股呢？

而没有了这些整理沉淀的过程，很多前后不连贯的证明结果，很可能也没什么用处。

因为比起证明本身，数学研究里更值得关注的，其实是藏在这些证明过程中的新思想和新工具。

就拿刚才提到的费马大定理来说，看起来只是一个简单的方程，但数学家们前赴后继地研究了 358 年，才在怀尔斯接棒后彻底搞定。

死磕的这三百多年，如果只是为了得到一个有没有解的结论，那可就亏大了。

数学家们最大的收获，正是为了找到答案不断构建的各种数学工具。

比如 19 世纪，库默围绕数的分解问题发展出的理想数理论，后来成了现代数论的根基之一。

还有 20 世纪的椭圆曲线，走出了纯数学领域，被用在密码学里，我们上网聊天的数据传输也有它的功劳。

还有模形式、伽罗瓦表示等等，一代又一代，各自发展，然后才在怀尔斯的手中慢慢联系起来。

等到他最终攻克费马大定理的时候，真正证明的，其实是一个范围更广的数学结论，费马大定理反而成了一个顺势得到的推论。

而这些在过程中搞出来的理论和方法，并不会随着这道题的结束而退役，反而会成为数学家研究其他问题的有力工具。

纪录片里，怀尔斯自己就说过，一个好的数学问题，价值不在于问题本身，而在于它能催生出怎样的数学。

证明可以终结一道题，但真正有生命力的数学，是从一道题出发，让人类看到此前看不见的东西。

但不巧的是，按照一些数学研究员现阶段的反馈来看，这部分恰恰是 AI 的短板。

AI 确实善于调用不同工具，东拉西扯地把各个领域的知识组合起来，但它组合的那些工具，基本都是已有的，也就是人类之前创造的。至于它自己造没造新工具，那得等这七百多份“手稿”被理清楚才能得知。

这种缺乏“创造力”的短板不是一时的刻板印象，而是诸多业内大佬的亲身体会。

18 年的菲奖得主 Alessio 谈到 AI 的使用体验时说过，如果一道题没有公认的解题思路，也没有相关文献和先前成果，AI 就很容易抓瞎。

大佬用的模型跟 OpenAI 的内部模型肯定没得比，但就算这次真的有新工具问世，也还是会回到那个老问题：怎么被人类理解，又怎么复用？

这可能是数学家，甚至科学家真正在意的东西。

因为我们总不能只当个观众，不断为 AI 大人攻克难题而喝彩，却对它用了什么、怎么做到的一无所知。

眼下的窘境就是如此，随着这些证明越来越便宜，理解反而越来越贵了。

因为说到底，数学的证明还是得靠数学家们一点点解读给普罗大众的，但他们的动力和回报，在 AI 这样无差别的轰炸下，是在一点点缩小的。

如果没人再愿意去解读 AI 的抽象论文，那这座堆砌起来的数学大厦可能会成为《三体》里的黑域，看似掌握了前所未有的力量，实则化身为理解的屏障，把文明锁死在里面。

作为地球上现存的唯一人类物种，我们智人能混到今天，可不止会用工具而已。

你看 BBC 的纪录片里，黑猩猩都会用树枝插棉花糖烤着吃。

但它们可不会琢磨，这火到底是怎么烧起来的，除了烤棉花糖，还能拿来干点啥？

而我们就是靠着这一路琢磨的动力，才从山洞里的篝火旁折腾到了现在。

说白了，会用工具，知道结果，跟理解工具背后的原理，终究不是一回事，科学也从来不止于发现，更在于不断刨根问底。

没了这股子动力，那再过一百万年，我们也未必能走出文明的山洞。

图片、资料来源： OpenAI、GitHub、X、知乎@Algebra、哔哩哔哩@钰子一、陶哲轩博客、AHM、部分图源网络 本文来自微信公众号“差评X.PIN”，作者：风华，编辑：江江 & 面线，36氪经授权发布。