25位菲尔兹奖得主联名发声：AI暴力解题导致数学研究目标严重错位

事件概述

近期，随着大语言模型在解决重大数学问题上取得显著进展，包括OpenAI、Anthropic等科技巨头频繁宣布突破千禧年难题或长期未决猜想，数学界引发了剧烈震荡。2026年9月，陶哲轩（Terence Tao）、邓煜（Yu Deng）等25位菲尔兹奖得主紧急签署并发布了一份公开声明。该声明并非呼吁停止使用AI，而是警告AI公司推进数学研究的方式已与数学共同体的核心目标产生“严重错位”（severe misalignment），这种错位不仅影响数学领域，也波及科学界其他学科及创意职业。

核心争议：Navier-Stokes方程事件

此次联名声明的直接导火索是围绕Navier-Stokes方程（纳维-斯托克斯方程）证明权归属引发的争议。OpenAI宣称利用1万个Agent运行88小时解决了该千禧年难题的部分情形，但随后暴露出多项伦理与规范问题：

• 成果抢跑与数据隐私：数学家Tristan Buckmaster和Anthropic研究员Levent Alpöge怀疑其未发表的研究思路被模型通过后台监控Prompt数据窃取，导致AI利用算力优势“截胡”人类成果。
• 署名权争议：OpenAI提出的解决方案中，要求将参与研究的Anthropic员工排除在作者名单之外，此举被指违背数学研究的协作精神。
• 验证责任倒置：AI生成证明后，后续的形式化验证、理解及整合工作仍需人类数学家完成，且缺乏严谨规范的论文撰写流程。

这一事件加剧了数学界对“算法霸权”和“灵感窃取”的恐慌，原本开放共享的学术氛围面临寒蝉效应，研究者开始担忧是否还能安全地向AI工具透露半成品思路。

三大核心担忧

声明详细阐述了顶尖数学家对当前AI介入模式的深层忧虑，主要集中在以下三个方面：

1. 知识消化速度滞后于生成速度

AI解题的速度已远超数学共同体消化、理解和吸收新知识的能力。数学不仅仅是得出答案，更在于通过解决过程检验人类对特定领域的理解深度。如果结果来得太快，社区无法及时识别其中的新方法并将其融入现有知识体系。

2. 评价体系的分叉：Benchmark vs. 理解

• AI/商业目标：倾向于将解决数学问题作为衡量模型能力的Benchmark（基准测试），追求速度和“True/False”的判断结果，具有功利性。
• 数学共同体目标：追求概念洞察（Conceptual Insight）、方法提炼和知识传承。著名数学问题被视为“地标”，解决它只是手段，真正的价值在于由此催生的新思想和长期形成的认知体系。

3. 破坏数学育人机制与知识传递链

• 训练价值丧失：多年的学术训练旨在培养深入理解和提出新问题的能力，AI直接输出结果剥夺了这一过程。
• 知识断层风险：数学发展依赖人类社区通过报告、讨论、简化，最终将成果整合进教材的教学过程。若AI生成的想法无法被人类有效整合进“正典”，代际之间的关键知识传递链将面临断裂。
• 开放问题的枯竭：AI正在以暴力搜索方式快速耗尽存量开放问题，但缺乏“向前探索”能力提出具有深远价值的新问题，导致数学地貌被填平却无新灯塔建立。

背景与影响

在此之前，今年6月发布的《莱顿人工智能与数学宣言》曾呼吁建立规范，让AI作为辅助工具保护数学核心价值，并获得了国际数学联盟（IMU）背书。然而，短短三个月后，25位菲尔兹奖得主的联名声明显示出局势的紧迫性升级。

尽管陶哲轩和邓煜此前对AI持相对开放态度，视其为提升科研效率的助手，但当前的激进推进方式迫使他们转向防御立场。声明最后强调，数学界、技术开发者及社会必须正视这些问题，因为在其他智力工作中，类似的社会挑战也将随之而来。