陶哲轩对AI的辩证态度具体体现在哪些方面？

菲尔兹奖得主陶哲轩在2026年国际数学家大会及多场公开演讲中，对AI与数学的关系展现出鲜明的辩证态度——他既承认AI正以前所未有的效率解出研究级难题、推动数学进入“工业时代”，又警告数学界正面临“证明消化不良”的百年危机，并提出了从评价体系到协作模式的系统性改革框架。

一、对AI能力的清醒承认：从“平庸研究生”到“研究级生产力工具”

陶哲轩对AI态度辩证性的第一重体现，在于他毫不回避AI在数学领域越来越强的能力，并将其视为正在改变研究常态的生产力工具。

1. 能力跃迁的实证观察

在他的First Proof评测中，4套AI系统解出了10道未公开研究级新题中的7道，单题成本仅10至1000美元，且已达到期刊发表水平。

他在个人项目中观察到，AI自动形式化技术已跨过临界点：过去需要数周完成的引理形式化任务，现在AI在数小时内就能完成正确证明，导致项目待解决任务队列被基本清空。

他将AI比作”一个平庸但不至于完全不行的研究生”，认为可以放心地派活给它，但每一步都需要人类把关。

2. 历史定位：类比“汽车替代步行”

陶哲轩将AI在数学中的运用类比为汽车对出行的作用——汽车的兴起并没有让人不再步行，而是拓展了城市规模和出行范围；同理，AI将拓展数学的范围，而非让数学家无事可做。

他强调，AI不是要取代数学家，而是深刻改变数学工作的本质，数学家的核心工作将从“做细节推导”转向“定顶层方向、搭证明框架、提炼数学思想”。

二、对AI风险的精准预警：从“证明过剩”到“无气味的证明”

陶哲轩辩证态度的第二重体现，是他对AI带来的结构性风险保持了清醒且坦诚的预警，而非盲目乐观。

1. “证明消化不良”与古德哈特定律

陶哲轩将数学问题的真正解决拆解为五层链条：生成→验证→阐释→共同体接受→整合进标准理论。AI只加速了前端“生成”环节，后端的验证、阐释、消化正在成为新的瓶颈，他将此称为“证明的消化不良”。

他引用了古德哈特定律：过去“解题数”能近似代表学术价值，因为各项目标正相关；AI会把这一指标推到极致，指标将彻底失效。过度优化“解题数”这一局部目标，反而会损害“构建完整、可演进的数学体系”这一长期目标。

2. AI生成证明的“无气味”本质

陶哲轩提出了一个极其深刻的概念：AI生成的证明可以是“无气味的证明”——形式上无懈可击，却在认知上毫无启发。它满足了“这个命题是真的”，却没有回答“为什么”“下一步往哪走”“这与其他数学有什么关系”。

他展示了自己年轻时读Bourgain论文的批注页，上面满是补全中间步骤、对跳步处打问号、用自己的话重新组织证明的痕迹。在他看来，理解的形成恰恰发生在这些“阻力”之中；而AI生成的文本过于光滑，掩盖了“哪里真正难”，让读者产生“读完了”的错觉，实际上可能根本没懂。

3. “阻抗不匹配”的比喻

他将数学求解拆解为证明生成、证明验证、证明消化三个环节。AI让前两个环节的效率跃升至小时级，但第三个环节——人类消化理解的过程——依然依赖慢速的生理性认知，三者之间出现了严重的“阻抗不匹配”。

单个人脑理解的速度是生理性的，无法被算力加速。AI可以无限生产证明，但理解只能在具体的人脑中、以克服困难的方式缓慢生长出来——这是陶哲轩真正担心的链条：AI生成过剩→文本过度光滑→阻力与痕迹消失→读者再创造接口堵死→下一代数学家理解能力退化→共同体消化证明的能力崩溃。

三、对解决方案的系统性建言：从评价标准改革到人机协作框架

陶哲轩辩证态度的第三重体现，是他不仅发现问题，更积极提出具有操作性的解决路径。

1. 学术评价体系的改革方向

他在ICM演讲中明确提出：如果作者不能令人信服地证明自己可以就其成果做一场清晰的、专家水平的、正确且归属得当的报告，那么这个成果就不应该发表。这是一种数学价值观，也是使用的AI原则——如果自己不明白AI说了什么，就不要乱用。

他建议强制标注AI使用，将评价体系的权重从“第一个解出”转向阐释、验证和知识整合；降低历史上对争夺某个未解数学问题首个证明的重视程度。

2. “人在回路”的协作框架

陶哲轩提出了一个反直觉的判断：最优自动化率不是100%。在每一个研究尺度上（单行推导、引理证明、完整定理），都需要保留足够的“人在回路”，让研究者始终掌握证明的整体结构。

他将AI比作“喷气发动机”——功率极强但危险，不能直接绑在人身上当背包，而需要像造飞机一样为它搭建结构、设计流程、加上安全保障。

他还提出了一个具体的“人机协作五步法”：让AI提猜想、干机械活→让AI找反例推翻自己→把关键结论逼成可机械验证的形式→逐条核查定义和出处→人类最终拍板。

3. 为AI建设独立“高速公路”

陶哲轩认为，传统期刊、会议和预印本论坛这套基础设施，无法承载不受限制的AI使用。他分享了一个真实案例：某数学问题网站上，一次AI升级后，原本数月才收到一两个待解问题，瞬间涌来数十个正确但可读性极差的“解法”。人类数学家反而不敢碰了，因为无人能判断其最终有效性。

他提出的解决方案不是限制AI，而是为其建造独立的高速公路。他参与创办了SAIR竞赛系列，设计了“数学蒸馏挑战赛”等机制，目标是让参赛者提交一页纸的“小抄”帮助开源模型提升表现，下一步是让模型不仅能判断对错，还能写出完整的证明。

4. 坚持验证能力的绝对前提

陶哲轩反复强调一个核心原则：你能利用的AI能力，严格取决于你的验证能力。没有严格的验证，AI产出的就是“废料”。

他将AI的产出比作“高流量的污水”——体量巨大但充满错误不可饮用。需要一个强大的“过滤器”，即严格的验证机制，才能将AI的潜力转化为真正可靠的科研成果。

他身体力行地使用Lean等验证工具。在与ChatGPT合作将一个反例证明形式化的过程中，他生成了约1125行Lean代码，确保所有逻辑步骤都被严格验证。“让AI老实”的方法，就是让它输出的东西可以被逐行检查。

四、对数学未来的前瞻性判断

1. 数学知识生产模式的工业化

陶哲轩宣布数学正在进入“工业时代”，将知识生产拆解为生成、验证、解释、评审、整合五环节，各环节分工将被重构。

他将当前局面类比于20世纪初的“数学基础危机”——那一次挑战的是数学理论的基础（罗素悖论、哥德尔不完备定理），这一次挑战的是数学共同体的研究方式与价值体系：数学的目标是证明更多定理，还是建立更深的理解。

2. 未来数学家的新分工

他预测，未来数学家的核心能力将从“刷题和证明技巧”转向“数学直觉、结构思维、工具协作能力，以及理解证明为什么成立的深度认知”。大量的重复性技术工作被AI承接，研究者可以集中精力在猜想提出、理论构建等高价值创造性工作上。

他提出“人类+AI”的混合模式将长期主导数学界，而非AI完全取代人类。数学不会消亡，而是像基因组学一样转向新尺度——从个体研究到生态化协作。

他还与邓煜等人共同推动这一理念的实践，近期邓煜在接受陶哲轩女儿专访时也明确表示：“我们不是在与AI竞争，而是与其合作”。