陶哲轩发文：AI让数学证明泛滥，数学1.0时代将落幕
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载证明不再稀缺之后
陶哲轩提出，数学长期以来的运行方式建立在证明稀缺这一前提之上，而人工智能正在改变这个前提，让证明的产出变得泛滥。他描述了一个具体场景：OpenAI 曾在一夜之间发布 722 篇数学论文，内容牵涉准黎曼、霍奇、BSD 等猜想。另一个例子是，AI 把王虹解决的三维挂谷集猜想进一步扩展到了四维。这些进展指向同一个变化——获取解答的门槛已经降低，只要具备足够的算力和前沿模型，就能较快地得到题目答案。对做数学的人来说，这意味着过去需要长时间投入才能换来的结果，如今可能以更低的成本出现，解题这件事本身不再像从前那样构成天然的门槛。
解题容易判断难
门槛降低并不等于问题消失。陶哲轩指出，判断一个解答是否正确、以及它究竟带来多少贡献，仍然需要认真处理。他更担心的是另一种情形：题目被解出来了，但人的理解并没有随之增加。也就是说，答案的产出与理解的积累之间可能脱钩，解题数量的增长未必对应认知上的推进。这一层区分对读者意味着，面对大量涌现的证明，真正稀缺的能力正在从「能不能解出来」转向「能不能判断和消化」，而后者目前仍然依赖人来完成。
三个条件叠加
陶哲轩认为数学容易受到人工智能冲击，是因为有三个条件叠加在一起。其一是证明可以被客观检验，对错有相对明确的判定方式；其二是数学研究的对象可以被数字化；其三是大量高质量文献已经以数字形式存在，可供模型使用。这三点共同构成了数学区别于其他领域的处境，也解释了为什么冲击会先在这里显现。对关注这一变化的人来说，理解这三个条件有助于判断类似情况可能出现在哪些其他领域——凡是同时满足可客观检验、对象可数字化、文献已数字化这三点的方向，都可能面临相近的局面。
幸存者偏差的提醒
陶哲轩用飞机弹孔图来提醒警惕幸存者偏差。人工智能的能力分布并不均匀，而那些成功的案例往往是被精选出来发布的，容易让人高估其整体水平。基于这一点，他呼吁在评估机制中纳入失败结果和算力成本。把没做出来的题目、以及为得到结果所付出的算力代价一并计入，才能得到更接近真实的图景。对读者而言，这意味着在看待各类解题成果时，需要留意被展示出来的部分之外还有什么，以及这些成果背后消耗了多少资源。
为什么值得看
顶尖数学家对AI冲击数学研究范式的系统判断，涉及评价体系、成功率披露与算力成本，值得AI从业者关注。
信源1 家
关键事实
相关 · 观点
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。