随着人工智能在数学领域取得惊人进展，甚至开始自主解决困扰人类数十年的开放性问题，数学家群体正面临一场深刻的现实拷问。一部分人认为，人工智能将成为强大的辅助工具，帮助处理技术细节，从而解放人类进行更高层次的理论创新。然而，另一部分人则悲观地预测，人工智能将很快在所有数学任务上超越人类，这迫使人们重新思考数学研究的根本目的和价值。这场争论的核心不再是“AI能否做到”，而是“当AI无所不能时，人类为何还要做数学”，促使学界开始明确定义和捍卫除了解题之外的人类核心价值，如社群、理解和美的追求。
一位菲尔兹奖得主的警示
加拿大数学家 雅各布·齐默尔曼 (Jacob Tsimerman) 在获得数学界最高荣誉菲尔兹奖后，宣布加入 OpenAI 的安全团队。他此举的动机源于对人工智能发展的深切忧虑和对数学行业未来的悲观看法。
- 对未来的预测: 齐默尔曼直言不讳地表示：“我非常有信心，在很短的时间内，人工智能将在职业数学家目前所做的事情上，展现出稳健的超人水平。”
- 呼吁正视现实: 他希望通过自己的影响力，引导更多人关注人工智能安全问题，并促使数学界认真“应对这一现实”。
这一事件凸显了AI进步带来的冲击。就在几年前，AI还在为基础算术挣扎，如今却已能解决顶尖的数学难题。例如，OpenAI 的模型证伪了离散几何学中的一个著名猜想，而 Anthropic 的模型也找到了一个重要猜想的反例。
乐观派：AI作为增强工具
尽管存在忧虑，但许多数学家，特别是经验丰富者，对 AI 持乐观态度。他们认为 AI 将补充而非取代人类的才能，延续了数学界应对自动化的传统模式。
“我们未来可能会看到，数学家提出新的理论、新的思想、新的框架，而人工智能来完成一些技术细节……我们研究数学的方式会改变，但我们从中获得的乐趣不会改变。” — 余笛 (Yu Deng), 菲尔兹奖得主
这种观点认为，随着计算机和 AI 接管了曾经被视为“研究”的计算任务，人类数学家总能找到机器无法解决的新问题，从而将工作的重心转移到更具创造性的层面。
- 当前的应用:
- 知识检索: AI能帮助研究者快速在不熟悉的领域中定位关键文献和理论，避免了耗时费力的广泛阅读。
- 辅助证明: 研究人员使用 AI 填补证明中的细节，或在更大的研究框架下，让 AI 构造具有特定属性的数学实例。
- 加速工作: 即便是在指导 AI 进行证明时，研究者也首先构建了核心思想和方法论，AI 只是“帮助我更快地处理我自己的想法，而不是取代我的想法”。
悲观派：AI可能全面超越
然而，并非所有人都如此乐观。齐默尔曼等人认为，AI 的能力上限远未到来，那种认为 AI 无法进行“理论构建”等创造性工作的想法可能只是一厢情愿。
人们曾说 AI 即使能说话也永远做不了数学；后来又说即使它能做竞赛数学，也永远做不了研究数学。齐默尔曼指出，这个“球门”总是在朝着一个可预见的方向移动。
这种观点认为，随着训练规模的扩大，AI 模型完全有可能掌握真正的创新能力，不仅能解决问题，还能提出有趣的问题。这种可能性给年轻数学家带来了更大的焦虑，并可能影响科研资金的分配，因为公众可能会认为人类数学家不再是必需的。
重新思考数学的价值
这场争论的核心最终转向了一个更深层次的问题：如果 AI 能解决所有数学问题，那么人类做数学的意义何在？
著名数学家陶哲轩 (Terence Tao) 指出，数学研究有多种目标：
- 解决问题
- 理解世界
- 建立社群
- 发现美
- 寻找应用
过去，这些目标是统一的。但现在，AI 在“解决问题”上的超强能力，可能会以“牺牲其他目标”为代价。例如，如果一个重大定理被 AI 用人类无法理解的方式证明，那么虽然问题解决了，但人类的理解却受到了损害。
正如数学家威廉·瑟斯顿 (William Thurston) 在一篇著名文章中反思的那样，他因为过于专注于证明定理而忽视了与同行的交流，导致他所在的子领域因缺乏社群支持而衰亡。他领悟到：“人们想要的不仅仅是答案，更想要的是个人的理解。”
AI 存在扮演类似“剧透者”角色的风险，如果它以人类无法理解的方式解决了所有重要问题，可能会削弱人们探索数学前沿的动力，最终导致人类数学社群的萎缩。
未来的道路：重塑与适应
面对挑战，数学界也在积极寻求出路。一种乐观的设想是，AI 可以成为一座“巴别图书馆”，数学家可以向它询问任何定理的证明，然后致力于去理解这些答案，从而极大地加速人类的认知进程。
为了应对这一巨变，数学家们需要更清晰地阐明数学的价值，并重塑研究领域。
- 《莱顿宣言》: 这是一个重要的尝试，旨在列出数学研究中值得保留的核心价值，并分析 AI 对这些价值的威胁，同时向个人、组织和政策制定者提出建议。
- 寻找新角色: 尽管旧的数学模式可能无法幸存，但一些新的东西必将出现。人们对理解世界和理解数学本身的渴望是根本性的。
最终，数学界拥有塑造自己未来的能动性。挑战在于，如何构建一个新的框架，确保即使在一个拥有超人 AI 的世界里，人类对数学的理解、创造和社群交流仍能继续繁荣。