AI正在改写数学，但还替代不了数学家

过去，数学家并不太把AI当回事。早期的ChatGPT连基础算术都会出错，遇到研究级数学问题，更常见的是一本正经地胡说。但最近几年，模型规模变大，数学数据变多，情况突然变了：AI开始能在真正的数学问题上给出结果。一个标志性事件是国际数学奥林匹克竞赛。2024年，Google DeepMind的AlphaProof解出了6道题中的4道，达到银牌水平；一年后，Google和OpenAI又宣布达到金牌水平，这让很多数学家真正警觉起来。

更大的冲击来自研究级数学。曼彻斯特大学的Thomas Bloom维护着一个网站，追踪上千个数学家保罗·厄多斯提出的问题。这些问题通常表述很简单，但难度从普通到极难不等，很多被视为数学进展的路标。2025年底以后，他发现越来越多人借助GPT来寻找文献、构造思路，甚至提交完整解法，其中一些被他和同事验证为正确。更惊人的是，部分解法并不是职业数学家给出的，而是本科生、业余爱好者，甚至没有正式数学训练的人借助AI完成的。

但这**并不意味着“普通人按一下按钮就能成为数学家”。**文章作者也亲自试了一次。他拿到ChatGPT 5.5 Pro，尝试解决一个未解的厄多斯问题。AI给出了一大段看似漂亮的证明，还自我确认“主论证是正确的”。作者一度以为自己可能真的撞上了数学史。但当他把结果发给懂行的人看，对方很快指出：这并没有解决原问题，AI证明的是另一个已经被厄多斯本人发现过的结论。问题不在于AI没写出步骤，而在于作者看不懂这些步骤真正证明了什么。

这就是AI for Math最关键的悖论：**AI可能会越来越会做题，但“看懂AI到底做了什么”仍然需要数学能力。**数学证明不是一串公式的堆砌，而是一套精确的逻辑结构。普通人即使拿到完整过程，也可能无法判断它证明的是A，还是偷偷换成了B；无法判断某个条件是否被遗漏；也无法判断结论是否真的比已有结果更强。专业数学家一眼能看出的错误，外行可能完全淹没在符号和术语里。文章最后借Daniel Litt的话点出这一点：模型不能替你理解。

AI的真正价值，也许不是让外行直接“攻克数学”，而是把数学家的生产力大幅放大。

斯坦福数学家Ravi Vakil和同事曾用Google DeepMind的定制模型处理一个拓扑与代数几何之间的问题。AI没有独立完成整篇论文，但它发现了一个他们之前没有看到的结构，使他们意识到如何推广并写出完整论证。Vakil的判断很清楚：AI自己做不了，因为它不知道该问什么问题；但它确实提供了一条捷径。未来更可能是人和机器共同工作。

另一些案例更激进。Tony Feng使用Google的Aletheia AI计算出一组此前未知、对连接代数几何和数论很重要的数字；OpenAI也宣布用一个未发布的通用模型解决了一个80年历史的平面单位距离问题。数学界的反应不是轻松接受，而是震惊和难以置信。因为这说明AI已经不只是刷竞赛题，而是开始进入真正前沿的数学研究。

评估AI数学能力很难。

过去AI公司喜欢用benchmark，也就是标准题库来测试模型。这样做方便，因为答案往往是一个数字，容易验证，也方便画出一条“能力不断上升”的曲线。但真正的数学不是这样。大量数学任务需要证明，需要解释，需要专家判断。更重要的是，AI在某一类题上很强，并不代表它具备类似人类的整体数学直觉。哈佛数学家Melanie Wood提醒说，不要把人类身上不同数学能力之间的相关性，直接套到AI身上。

因此，数学家的焦虑并不是空穴来风，但“数学家会不会消失”这个问题本身可能问错了。Terence Tao提出过一个说法：数学可能会从“证明稀缺”的时代，走向“证明过剩”的时代。过去最重要的是谁第一个找到证明；未来可能变成谁第一个理解证明、解释证明、判断证明的意义。也就是说，证明本身可能越来越便宜，理解和判断反而更贵。

只有人类才能决定什么问题值得做。数学不是为了随机解决难题而存在。

一个结果重要不重要，不只看它是否解决了某个孤立问题，还要看它是否打开了新的道路，是否能带动一批问题，是否让人类对某个结构有更深理解。Wood说，数学家通常寻找的是能推动整个领域前进的解法，而不是只对一个题目有效的答案。

AI for Math的革命不会简单变成“AI取代数学家”。

它更像是把数学分成了几层：最底层是计算和搜索，AI会越来越强；中间层是构造证明和找捷径，AI正在快速逼近甚至部分超越人类；最高层是提出好问题、理解结构、判断价值、建立理论图景，这仍然高度依赖人类。未来真正厉害的数学家，可能不是完全不用AI的人，而是能把AI当成强大合作者的人：让AI穷举、试错、提示路径，再由人类判断方向、提炼意义、确认价值。

换句话说，**AI可能会让数学证明越来越多，但不会自动让人类拥有数学理解。**它能给你一把锋利的工具，却不能替你长出一双专业的眼睛。对于普通人来说，这篇文章最重要的提醒是：不要把“AI能写出解法”误读成“我已经懂了数学”。而对于真正的研究者来说，新的竞争可能已经开始了：不是谁不用AI，而是谁更会问问题，谁更能看懂AI给出的东西，谁更能从一堆机器生成的结果中，挑出真正值得人类继续探索的方向。