陶哲轩呼吁AI数学研究“减速”：警惕证明消化不良与数据污染
2026/10/06 15:59阅读量 3
菲尔兹奖得主陶哲轩在SAIR演讲中公开呼吁AI模型公司放慢解决数学问题的速度，指出当前AI虽能加速生成解答和形式化验证，但缺乏人类对知识的理解、消化与阐释，导致“证明消化不良”。他警告这种模式可能削弱数学家创造力并引发数据污染风险。对此，OpenAI宣布成立顾问小组回应，但该小组明确不负责就内部进展提供建议，仅协助成果审查与传播。
事件概述
著名数学家、菲尔兹奖得主陶哲轩（Terence Tao）在最近的SAIR演讲中转变了此前对AI的积极态度，公开呼吁AI模型公司停止无休止地加速解决数学难题。他指出，尽管AI在生成解答和机械验证方面表现强劲，但缺乏对人类认知过程的尊重，可能导致数学界面临严重的知识拥堵和长远隐患。
核心观点：从拥抱到警示
- 态度转变：仅在2026年3月，陶哲轩还曾称AI在数学领域已“准备好大显身手”，认为数学正经历“哥白尼革命”。然而短短半年后，他在最新演讲中直言：“简直是疯了……必须慢下来。”
- 灯塔比喻：陶哲轩将未解决的数学问题比作“灯塔”，其价值不在于终点的答案，而在于照亮海域、指引航向的工具和理论框架。AI直接给出答案，却忽略了沿途建立洞见的过程。
- 证明生命周期断裂：正常的数学证明包含五个环节：提出解答、机械验证、阐释工作、同行评审、写入教科书。目前AI仅在前两步疯狂加速，而后三步（理解、消化、共识形成）几乎停滞，导致大量证明被生产出来却无法被人类真正吸收。
潜在风险：Proof Indigestion（证明消化不良）
陶哲轩用“交通拥堵”类比当前的状况：原有的学术基础设施是为人类思考设计的，无法承载AI瞬间产生的海量证明。主要风险包括：
- 创造力丧失（智子危机）：新的数学前沿往往诞生于漫长的探索和思考过程中的偶然发现。AI跳过过程直达答案，抹杀了这种“漫步式探索”带来的灵感，长期来看会削弱人类的创造力。
- 数据污染：当前AI的强大依赖于人类几个世纪打磨的高质量数据。如果未来学术界充斥着大量AI生成、人类无法理解的证明，下一代AI训练时将摄入这些低质量或不可解释的数据，类似生物学中的“克隆损耗”，可能导致模型性能退化甚至崩溃。
行业反应与后续
- 学界联名抗议：受OpenAI等公司解决千禧难题事件的触动，包括陶哲轩在内的25位菲尔兹奖得主联名发表公开信，批评AI公司将数学作为Benchmark刷分的行为与数学追求的目标错位，强调“认知摩擦”的重要性。
- OpenAI回应：面对抗议，OpenAI宣布在普林斯顿高等研究院（IAS）成立“数学与人工智能顾问小组”，成员包括Edward Witten、Timothy Gowers等顶级学者。该小组旨在为新兴成果的审查和传播提供建议，但声明明确指出：不负责就数学上的内部进展提供建议。这一界限表明，AI公司仍掌握着技术发展的主导权，学界的建议更多局限于PR层面而非核心技术路线干预。
公众视角
值得注意的是，舆论场中对数学家的担忧并未产生广泛共情。许多网友以戏谑态度看待此事，认为在AI面前，传统智力优势不再具有绝对壁垒，甚至调侃“画家、作家、程序员倒下时，数学家也在其中”，反映了社会对AI全面替代人类智能的复杂心态。