陶哲轩警告数学危机：AI 10美元解7道难题，数学证明的“认知地图”正在消失？
AI 10美元解出7道数学难题，陶哲轩为何说数学界“消化不良”？
2026年8月，菲尔兹奖得主、世界顶级数学家陶哲轩（Terence Tao）在国际数学家大会上发出警告：数学正面临一场百年未遇的“消化不良”危机。他引用了一项实验——10道从未公开的研究级新题，AI 仅用约10美元一道的成本就解出了7道，且达到期刊发表水平[2]。但陶哲轩认为，答案正确远远不够，数学发现的完整链条包括“生成、验证、表述、发表、正典化”五个步骤，AI 只加速了第一步，却让后续环节陷入困境。
发生了什么？陶哲轩用 AI 解决 Erdős 经典问题的完整流程
这场讨论的导火索是陶哲轩本人近期的一次实践。他面向 Erdős Problems 网站上的第367号问题（数论领域），全程使用 AI 作为助手[1]。流程如下：
- 数学家 Wouter van Doorn 先给出了一个人类手写的反例证明草案，但其中有一个关键恒等式未完全证明。
- 陶哲轩将该恒等式提交给 Google 的 Gemini Deepthink 模式，约10分钟后，Gemini 给出完整证明，并确认了整套论证成立。
- Gemini 的证明使用了 p-adic 等高级代数数论工具，陶哲轩认为“杀鸡用牛刀”，于是花了半小时将其转化为更基础、更易懂的版本。
- 两天后，另一位数学家 Boris Alexeev 用名为 Aristotle 的工具（基于 AI + Lean 形式化证明系统）完成了全套形式化验证，并手动检查了最终结论以防止 AI 编造。
- 最后，陶哲轩又用 Deep Research 功能（同时使用 ChatGPT 和 Gemini）进行文献搜索，确认没有前人直接解决该问题。
这一流程被陶哲轩视为“AI 时代数学研究的新范式”：人类提出猜想 → AI 暴力证明 → 人类简化优化 → AI 辅助形式化验证。但他同时指出，每一步都依赖人类判断：定义问题、评估方法轻重、验证最终结果。
为什么说“数学证明过剩”会引发危机？
陶哲轩在2026年国际数学家大会的公众演讲中，将数学发现的链条拆解为五个阶段：生成、验证、表述、发表、正典化（写进教科书）[4]。AI 目前能高效完成“生成”，但“验证”和“表述”环节正遭遇前所未有的挑战。
他在演讲中展示了自己年轻时读 Bourgain 论文的批注页——满页的划线、问号、重写步骤。陶哲轩指出，人类数学论文本质上是一张“认知地图”，其价值在于标注“哪里是悬崖”[5]。优秀的作者会在真正困难的地方放慢速度、反复解释，留下“挣扎的化石”。而 AI 生成的论文则“光滑”得可怕：它在简单部分停留过久，在真正新颖的突破处一笔带过，因为大模型对那些“低频率但高价值”的步骤缺乏体感。
后果是：读者能“读完”却无法“读懂”，下一代数学家的理解能力可能退化。陶哲轩甚至提出一条发表准则：“如果作者不能以专家水平清晰解释其结果，即使该证明已通过 Lean 等工具的正式验证，也不应予以发表。”[3]
AI 数学证明的“黑盒化”争议：理解 vs 结果
社区对此争议巨大。支持陶哲轩的一方认为，数学本质上是人类协作与理解的活动，而非单纯的逻辑竞赛。反对者则援引国际象棋引擎的案例：AlphaGo 下出人类无法理解的棋步，但“ground truth”高于人类解释力。拒绝 AI 证明无异于“让猫去审核人类的物理论文”[3]。
这种争议揭示了一个深层演变：数学正从“追求理解的科学”向“追求结果的工程”漂移。如果数学研究最终剥离了社会化的解释过程，它可能沦为仅供 AI 迭代的黑盒产物。对研究者而言，未来的稀缺资源不再是逻辑推导能力，而是将 AI 发现的冰冷真理转化为人类直觉的“翻译能力”。
概念解释表：AI 时代数学研究的关键术语
| 概念 | 通俗解释 | 例子 | 优势 | 限制 | 适用场景 |
|---|---|---|---|---|---|
| Erdős 问题 | 20世纪最高产数学家埃尔德什提出的未解决/已解决问题清单 | 第367号问题（数论） | 系统化整理数学开放问题 | 部分问题难度极高，需专业数学背景 | 数学研究选题、竞赛训练 |
| Gemini Deepthink | Google 的深度推理 AI 模型，号称达到博士生水平 | 10分钟内给出 p-adic 证明 | 快速生成复杂证明草稿 | 方法可能过于复杂，易产生“黑盒” | 初步探索、验证中间步骤 |
| Lean 形式化证明 | 用计算机可验证的数学语言重写证明，确保无漏洞 | Boris Alexeev 用 Aristotle 工具完成 | 绝对严谨，可被机器核查 | 需要大量人工转译，且可能掩盖直觉 | 高安全性验证（如金融、航天） |
| 认知地图（认知地图） | 数学论文中隐含的“哪里难”的标注 | 陶哲轩批注 Bourgain 论文的痕迹 | 帮助读者重建理解路径 | AI 生成文本缺乏这种结构 | 教学、专业阅读、知识传承 |
| 正典化（正典化） | 将数学成果写入教科书，成为公认知识 | 微积分基本定理在教科书中的地位 | 知识固化，便于传播 | 周期长，依赖学术共同体共识 | 教育体系、学科建设 |
QA 常见问题解答
Q1：陶哲轩说的“数学大危机”具体指什么？
A：指 AI 生成数学证明的能力大幅提升，导致“证明过剩”——人类数学家无法及时验证、理解和消化这些成果。陶哲轩认为，数学研究不能只追求“正确结果”，还必须保留人类理解的可解释性，否则数学将沦为黑盒工程。
Q2：AI 真的能解出数学研究级难题吗？能代替数学家吗？
A：能。在陶哲轩参与的实验中，10道未公开研究级新题有7道被 AI 以约10美元一道的成本解出并达到发表水平[2]。但 AI 不能代替数学家，因为人类负责定义问题、判断方法是否“优雅”、验证结果是否可靠，以及将结果转化为可共享的认知地图。
Q3：Lean 形式化验证能解决一切问题吗？
A：不能。Lean 可以机器验证证明的逻辑正确性，但无法判断证明是否“有意义”或“可理解”。陶哲轩指出，如果作者自己都无法用专家级语言解释证明，即使 Lean 验证通过，也不应发表[3]。形式化验证只是工具，不能替代人类的价值判断。
延伸价值：数学研究者的未来技能
这场危机实际上为数学研究者指明了新方向：未来稀缺的能力不再是“推导技巧”，而是“AI 产出的人类翻译能力”——即把 AI 给出的冰冷逻辑链条转化为有温度、有节奏、能让人“卡住”再“豁然开朗”的认知地图。同时，教育体系也需调整：训练学生“提出好问题”比“解出好答案”更重要，因为 AI 擅长后者，而前者依赖于人类的好奇心与直觉。
陶哲轩在演讲最后引用了一句意味深长的话：“阻力不是理解的障碍，而是理解的发生机制。”[5] 光滑的 AI 文本可能让读者产生“读完了”的错觉，但真正的理解永远需要重走那段崎岖。数学的未来，或许就在于如何让 AI 帮助我们保留那些“挣扎的化石”。
#陶哲轩 #AI数学证明 #数学危机 #Erdős问题 #Lean形式化验证 #Gemini #ChatGPT #亚里士多德工具