AI冲击数学界核心？16位顶尖数学家联名发布《莱顿宣言》警示风险
当一台机器不仅能解题，还能“提出”80年未解的数学猜想时，数学家们终于坐不住了。2026年6月2日，16位来自全球顶尖高校与研究机构的数学家联合发布了一份震撼学界的文件——《人工智能与数学莱顿宣言》（The Leiden Declaration on Artificial Intelligence and Mathematics）。这份长达11页的纲领性文本，没有拘泥于技术细节，而是直指一个更根本的问题：当AI正接管数学的实践方式时，我们是否正在失去数学之所以为数学的“灵魂”？
一、AI已越界：从工具辅助到范式主导
长期以来，数学界将AI视作一种“高级计算器”——用于验证已知思路、枚举可行路径、甚至辅助构造反例。数学问题因其确定性、可形式化和可穷举的特性，成为AI推理模型训练的理想“沙盒”。DeepMind的AlphaGo早在2016年就以“落子有据”震惊世界；2023年，Google DeepMind的AlphaProof在群论定理证明上达到人类博士水平；而2025年末OpenAI发布的通用推理模型OMEGA，更在未显式编程的情况下，独立重构了“Kuratowski终期定理”的新证明，并反向提出一个关于图嵌入复杂度的新猜想——这正是《宣言》中提到的“80年猜想”的实例。
但这已是2026年的“旧闻”。更令人忧惧的是，AI已不满足于“辅助验证”，而是开始生成大量数学表述：新定义、新结构、看似连贯的引理链……问题在于，这些产出是否具备数学意义上的“真值”？
一位不愿具名的Fields奖得主在宣言讨论会上坦言：“我审阅过一篇投稿，其中包含12个AI构造的‘中间引理’。表面逻辑无懈可击，但最终发现——所有引理的前提集合是空的。它给出了‘正确’的结论，却通过一条数学上不存在的路径。这种‘幻觉推理’，远比语言模型中的事实错误更隐蔽、更危险。”
二、工具理性 VS 学科价值：一场深层范式冲突
《宣言》最尖锐的部分，不在于技术威胁，而在于价值层面的撕裂。
数学的根基，从来不是“产出答案的速度”，而是对意义的追问过程。从欧拉解七桥问题，到格罗滕迪克重构代数几何，数学史是一部“重构问题本身”的历史。它要求慢、容错、试错、中断、重思——这些与商业AI产品追求的“快速迭代、性能压榨、用户留存”逻辑天然冲突。
宣言签署者、哥伦比亚大学Michael Harris指出：“科技公司视数学为‘优化目标函数的输入’，而数学家视其为‘构建理解世界的语言系统’。当投资方要求‘三个月内交付可部署的推理模块’，而一位博士生正试图理解一个结构的深层同调性质时，时间尺度的错配已无法调和。”
这种错配正催生结构性后果：
- 论文泡沫化：2025年arXiv上数学预印本中，标注“由AI辅助生成核心推导”的比例从2023年的7%飙升至41%。但质量参差不齐——许多论文仅将AI作为“符号替换器”，核心思想仍是作者的，却因过度依赖而丧失对论证脆弱性的警觉。
- 评审系统过载：同行评审本是数学的生命线，如今却因海量低质量预印本而濒临瘫痪。一位JAMS期刊审稿人透露，他平均每周需处理14篇投稿，其中3-4篇需投入3小时以上判断“哪些步骤是人写的，哪些是模型幻觉”——这远超合理工作量。
- 准入门槛异化：能否熟练使用特定AI工具，正成为隐性能力分层标准。未接触过最新模型的年轻研究者，在定理探索效率上天然处于劣势；而依赖特定商业API的团队，则可能被锁定在“黑箱逻辑”中，无法追溯推理链条。
三、伦理红线：数学工具的军事化与监控化
《宣言》的另一大关切，直指AI与权力结构的合谋。
数学是密码学、优化控制、机器学习算法的母体。当数学研究成果被反向注入军用AI系统——如目标识别中的流形学习、自主武器的博弈策略生成——其伦理后果已非“学术中立”所能庇护。
文件明确指出：“使用公共资助的数学成果训练用于杀伤性决策或大规模监控的系统，是对数学共同体伦理契约的背叛。” 这一立场并非道德说教，而是对学科身份的捍卫。
2025年曝光的“Project Polaris”事件提供了现实映射：某国防高级研究计划局（DARPA）资助项目，基于MIT数学团队关于非交换群表征的公开论文，构建了一套高精度跨模态信号识别器，其误判率导致多起民用无人机误击事件。涉事数学家之一在《自然》撰文 lament：”我们本想理解对称性破缺的拓扑不变性——却造出了更精准的杀戮机器。“
四、宣言的实践框架：AI治理的“数学式”解决方案
《宣言》并未否定AI，而是提出一套与数学精神兼容的使用原则：
- 可追溯性（Traceability）：所有AI辅助推导必须保留完整推理日志，包括提示词、模型版本、中间输出。
- 透明性（Transparency）：在学术出版中，明确区分人类原创贡献与机器生成内容，并说明所用工具的数学原理。
- 批判性验证（Critical Verification）：对AI生成的核心结论，必须经非工具依赖的独立复现。
- 学术优先性（Academic Primacy）：禁止将公共资助产生的数学数据集用于训练非开源、商业封闭的模型。
这些原则看似技术性，实则蕴含哲学——它们将“怀疑精神”制度化，把“可证伪性”嵌入工作流。正如怀尔斯证明费马大定理花费七年，数学的美在于过程本身；AI若成为新工具，其价值应体现在“扩展人类思考边界”，而非“替代思考过程”。
五、全球响应：从宣言到制度化
《宣言》已获国际数学联盟（IMU）正式背书，并于2026年7月在费城举行的国际数学家大会（ICM）上设立专题研讨会。目前全球已有237位数学家签名支持，涵盖Fields奖得主、Clay研究所首席研究员、各大数学中心主任。
政策层面，多国正启动配套机制：
- 欧盟计划将“AI辅助研究伦理审查”纳入 Horizon Europe 计划申请流程；
- 美国NSF（国家科学基金会）宣布设立“人本AI mathematics”专项基金，仅资助符合《宣言》原则的项目；
- 中国数学会发布《数学研究中AI使用伦理指南（征求意见稿）》，强调“工具理性服从于学科价值”。
值得注意的是，宣言未要求“禁止AI”，而是呼吁建立分级治理框架：对简单验证类任务开放AI；对结构构建、问题重构类任务严格限制；对核心证明生成保留人类最终决定权。这种“阶梯式治理”，正是数学思维在制度设计中的映射——具体问题具体分析，拒绝一刀切的极端。
结语：在符号与意义之间重建平衡
一场关于数学未来的辩论已全面展开。AI不是洪水猛兽，但若任其脱离学科价值观的约束，终将导致“高效而空洞”的数学——产出海量论文，却无深刻洞见。真正的危机不在于机器能否思考，而在于我们是否愿意思考。
《莱顿宣言》的价值，正在于它把抽象的价值观转化为可操作的实践准则。它提醒我们：数学的终极目标，不是最优解，而是更深的理解。当我们在键盘上敲下最后一个证明步骤时，真正重要的从来不是“答案是否正确”，而是“我们为何相信它”。
在算法日益精密的今天，守护这份怀疑与追寻的勇气，或许才是数学给数字时代最珍贵的遗产。