陶哲轩邓煜等25位菲尔兹奖得主为何反对AI暴力解题

数学家不是反对AI，而是反对“刷题式”推进数学

2026年9月，一份由陶哲轩、邓煜等25位菲尔兹奖得主联合签署的声明突然公开，矛头直指当前AI大厂推进数学研究的方式。这份声明没有要求禁止AI参与数学，也没有否定AI近期在多个重大猜想上的突破，但明确指出：AI公司的目标与数学共同体的目标出现了严重错位。

过去半年，AI在数学领域确实高歌猛进：5月，OpenAI内部模型给出Erdős单位距离猜想的反例；7月，Claude参与推翻Jacobian conjecture；9月初，GPT-6 Astra将孪生素数间距上界从246压缩到186；最引人注目的是，OpenAI宣称用1万个AI Agent运行88小时，解决了千禧年难题之一的Navier-Stokes方程问题——即构造出在有限时间内爆破的平滑外力解。

单看结果，这似乎是数学的胜利。但正是这次Navier-Stokes事件，成了压垮骆驼的最后一根稻草。

Navier-Stokes争议：一场关于优先权与学术伦理的罗生门

OpenAI宣布解决Navier-Stokes后，纽约大学数学家Tristan Buckmaster和Anthropic研究员Levent Alpöge很快卷入争议。两人此前已在私下交流相关思路，而OpenAI的解决方案恰好覆盖了他们的研究方向。更关键的是，OpenAI在提交预印本时，试图将Alpöge排除在作者名单之外，理由是“其贡献未达到署名标准”。

这一操作立刻引爆数学界：

• 如果一位研究者在AI对话框中输入了半成品思路，这些内容是否算作未发表的研究材料？
• 模型公司是否利用用户Prompt中的灵感，再用算力优势“抢跑”成果？
• 当AI生成证明后，谁负责将其转化为人类可理解、可验证、可教学的形式？
• 若模型训练数据包含相关用户输入，如何证明最终证明是“独立产生”的？

这些问题没有标准答案，却直接动摇了数学界赖以运转的信任基础。长期以来，数学研究极度依赖开放共享——一个想法在研讨班上提出，可能几年后才被完善成定理。但现在，研究者开始犹豫：还能不能在AI对话框里透露自己的初步构想？

寒蝉效应正在形成。原本鼓励思想流动的社区，可能被迫转向防御性闭门造车。

数学的意义，从来不只是“解出答案”

声明中反复强调一个核心观点：解决数学问题只是工具，不是目的。

在数学家眼中，像黎曼猜想、Navier-Stokes这样的著名问题，更像是“地标”或“灯塔”。它们的存在，是为了检验人类对某个数学领域的理解深度。当一个问题被解决后，真正的研究才刚开始：

• 社区需要理解新证明的逻辑结构；
• 识别其中是否蕴含新方法或新视角；
• 将这些方法与已有知识网络连接；
• 通过讲座、论文、讨论逐步简化；
• 最终写进教材，让研究生甚至本科生都能掌握。

这个过程可能长达几十年。比如佩雷尔曼对庞加莱猜想的证明，最初只有极少数专家能读懂，经过十余年消化，如今已成为几何分析的标准内容。

而当前AI的做法，往往是直接输出一个形式化证明（比如用Lean写成），然后宣告“问题已解决”。但这个证明对人类来说可能像天书——没有动机、没有直觉、没有中间步骤的解释。它只是一个True/False的断言，缺乏“为什么这样想”的叙事。

AI的三个致命盲区

声明将担忧归纳为三类，每一类都触及数学研究的根基。

1. 流程失范：快发新闻，慢写论文

AI公司倾向于先向媒体高调宣布“攻克千年难题”，再补交技术细节。这种做法跳过了同行评审、社区讨论等必要环节。更严重的是，许多AI生成的解决方案缺乏对前人工作的恰当引用，容易引发剽窃争议。数学讲究“站在巨人肩上”，而AI往往只呈现最终结果，切断了知识的谱系。

2. 问题枯竭：只会消灭，不会创造

AI擅长用暴力搜索或符号推理快速解决已有开放问题，但它几乎无法提出新的、有深度的开放问题。数学的进步不仅靠解题，更靠发现“值得问的问题”。比如格罗滕迪克重构代数几何，不是因为他解了多少题，而是他重新定义了“空间”和“函数”的概念，从而开辟了全新战场。

如果AI把所有现存难题都“清空”了，却没有留下新方向，数学可能会陷入一种虚假的停滞——表面繁荣，实则失去探索动力。

3. 育人断裂：跳过训练，直达答案

数学教育的核心，是培养人“深入理解”和“提出问题”的能力。学生通过尝试、失败、修正，逐步建立直觉。而AI直接给出答案，相当于剥夺了这个训练过程。更危险的是，如果AI产生的想法无法被人类接手、简化、教学，那么这些想法就只是“死知识”——存在服务器里，却无法进入人类的知识传承链。

陶哲轩和邓煜的态度转变

值得注意的是，陶哲轩和邓煜原本都是AI的积极使用者。

陶哲轩很早就将AI作为“研究助理”，用于代码生成、文献检索和Lean形式化验证。他多次公开表示，AI能帮数学家摆脱繁琐的技术细节，聚焦核心思想。但他始终警惕“AI神话”，强调人类判断不可替代。

邓煜在今年获菲尔兹奖后也坦言，自己日常用AI验证特例或核验逻辑，并认为AI会加速数学发展。就在声明发布前一周，他还在社交平台写道：“未来几年，数学界将迎来爆发期。”

然而，Navier-Stokes事件显然改变了他们的看法。当AI从“辅助工具”变成“成果主体”，当公司开始争夺署名权而非促进理解，连最开放的数学家也不得不站出来划清界限。

这不只是数学的问题

声明最后提醒：这场冲突预示着更广泛的危机。在物理、生物、艺术等领域，AI同样可能以“产出效率”取代“理解深度”。如果社会只关心“能不能做出来”，而不关心“怎么想出来的”，那么所有智力活动都可能沦为benchmark竞赛。

数学家们要的，不是阻止AI，而是建立规则：

• AI生成的内容必须透明标注来源；
• 用户Prompt应视为私有研究材料，不得用于训练或成果生成；
• 重大成果需经社区充分讨论后再宣布；
• 公司应资助人类数学家将AI想法转化为可教学知识。

毕竟，数学从来不是一个人对着黑板的孤独战斗，而是一群人跨越时空的对话。如果这场对话被算法打断，再漂亮的证明也只是废墟上的烟花。