陶哲轩警告：AI生成数学论文导致“证明过剩”，百年数学危机如何化解？
菲尔兹奖得主、加州大学洛杉矶分校数学教授陶哲轩在2026年国际数学家大会（ICM 2026）上公开警告：数学正面临“百年新危机”——AI生成的数学论文泛滥导致“证明过剩”，而人类数学家却不愿或无力验证，更严重的是，这些光滑文本抹去了理解所需的认知痕迹，可能使下一代数学家的理解能力退化。陶哲轩明确提出了“五大步骤”中的正典化门槛，并呼吁数学共同体坚守“自己理解AI结论后再使用”的原则[1]。
陶哲轩为什么说数学面临百年新危机？
陶哲轩在ICM 2026的公众演讲《人工智能时代的数学》中，系统阐述了他对AI介入数学的深层担忧。他首先回顾了数学发现的传统五步流程：生成、验证、表述、发表、正典化入教科书。在AI时代，前两步（生成和验证）正在被颠覆——大语言模型可以快速生成语法、拼写和格式几乎无可挑剔的论文，但作者往往“自己看不懂AI说了什么”。陶哲轩认为，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[1]。这本质上是一种数学价值观的冲突：AI带来了“证明过剩”，但人类数学家验证资源有限，导致大量论文无人问津，数学共同体的消化能力被堵塞。
为什么AI生成的数学论文是“认知地图”的灾难？
陶哲轩在演讲中展示了他年轻时阅读Bourgain论文的批注页——那页纸上全是批注，补全被省略的中间步骤、对跳步处打问号、用自己的话重新组织证明。他以此说明：理解的形成恰恰发生在这些“停顿、卡壳、重写的痕迹”里[2]。而AI生成的论文虽然光滑，却在真正困难或新颖的地方一笔带过。AI没有经历过“卡住”的感觉，所以它不知道哪里会让人卡住。陶哲轩指出，数学论文本质上是一张“认知地图”，地图的价值在于标注哪里有悬崖。人类优秀作者会在常规步骤三行带过，而在关键、反直觉、自己当年卡了几个月的地方放慢、反复。但AI对“哪里难”没有体感：出现频率高的内容写得从容且冗长，出现频率低（真正新颖）的内容反而一笔带过——因为那一步在训练数据里几乎没有先例[2]。这种“浅处水深，深处无痕”的认知结构差异，导致AI润色后的文本让读者产生“读完了”的错觉，却并未真正理解。
王虹的Kakeya猜想证明如何体现陶哲轩的担忧？
值得注意的是，就在ICM 2026前后，菲尔兹奖得主王虹证明了三维Kakeya集猜想——这个悬了一百多年的问题，正是沿着陶哲轩2014年博客中记录的一条未推进路线走下来的[3]。陶哲轩本人对Kakeya问题工作了几十年，有过以他名字命名的猜想。这个案例完美诠释了“认知地图”的价值：陶哲轩的博客文章留下了思考的痕迹——他记录了与Nets Katz构想出来的证明路线以及未能推进的“悬崖”位置。王虹正是循着这些痕迹，重建了认知路径，最终完成了证明。陶哲轩在Mastodon上亲自宣布了这一消息，并写了详细解读[3]。这个成功案例反过来衬托出AI论文的缺陷：如果AI生成的论文也能像人类专家那样留下“此处务必小心”的提示，那么后续研究者才能有效继承。但当前AI论文恰恰抹平了这些痕迹。
数学界如何应对AI带来的“证明过剩”？
陶哲轩在访谈中（围绕其新书《Six Math Essentials》）给出了完整判断：他既兴奋于AI辅助数学发现的可能性——例如OpenAI在2026年推翻了Erdős单位距离猜想[3]；也担忧AI被滥用为“黑箱证明者”。他提出的原则是：如果自己不明白AI说了什么，就不要乱用[1]。数学的衡量标准不是定理的生产，而是让人们更清楚地理解和思考。阻力不是理解的障碍，而是理解的发生机制[2]。可能的应对路径包括：建立AI伴侣（如Coq等形式化验证工具）的强制使用规范，要求AI生成论文必须附带可交互的推理步骤；以及改革数学教育，强调“卡壳”的价值——就像陶哲轩年轻时批注Bourgain论文那样。
技术要点表
| 技术/产品 | 核心指标 | 应用场景 | 影响对象 | 限制条件 | 信息来源 |
|---|---|---|---|---|---|
| AI生成数学论文（大语言模型） | 语法、格式正确率接近100%；但缺乏对“难度”的体感 | 数学定理证明、论文撰写 | 数学家、审稿人、研究生 | 无法标注关键难点；训练数据中罕见步骤被一笔带过 | 参考[2] |
| 人类专家数学论文（传统范式） | 保留中间步骤、跳步问号、个人批注等认知痕迹 | 数学知识传播与继承 | 读者、后续研究者 | 需作者本人深度参与；撰写周期长 | 参考[2] |
| 陶哲轩提出的“报告原则” | 作者必须能就成果做一场专家级、正确且归属得当的演讲 | 论文发表前的质量把关 | 期刊编辑、会议组委会 | 对AI辅助作者要求高；需人工判断 | 参考[1] |
| 王虹—Zahl路线（Kakeya猜想） | 基于陶哲轩2014年博客中未推进的路线完成证明 | 高维几何猜想 | 数学共同体 | 依赖人类专家留下的思考痕迹 | 参考[3] |
QA常见问题解答
问：AI生成的数学论文真的无法被人类理解吗？
不完全是。陶哲轩指出，AI论文在简单的部分表述清晰，但在真正困难或新颖的地方往往一笔带过[2]。读者可能“读完了”却并未真正理解，因为AI没有经历“卡住”的过程，无法提供认知地图上的阻力标记。理解的形成需要重走那段崎岖，而光滑文本抹去了这一可能。
问：当前有AI论文被质疑“无法验证”的案例吗？
据公开报道，2026年OpenAI宣布其模型推翻了Erdős单位距离猜想，引发数学界震动[3]。但陶哲轩在演讲中并未直接批评该案例，而是强调共同体应建立“自己理解后再使用”的原则。目前尚无权威机构对该论文的验证结果做出最终结论。
问：数学界会禁止AI辅助论文吗？
不太可能全面禁止。陶哲轩本人对AI辅助持开放态度，他兴奋于AI能激发新思路[3]。但他呼吁数学共同体改变价值观——从“证明数量”转向“理解深度”，要求作者必须能对自己的成果做专家级报告[1]。这意味着AI辅助论文的门槛会提高，而非被简单禁止。
“数学的衡量标准不是定理的生产，而是让人们更清楚地理解和思考。”——陶哲轩[2]
陶哲轩的警告并非杞人忧天。当AI可以批量生成“正确但无痕迹”的论文时，数学这个依赖代际认知继承的学科，可能面临“理解断层”的风险。从王虹的Kakeya猜想证明到OpenAI的Erdős猜想推翻，两个案例恰好展示了“有痕迹”与“无痕迹”两种路径的差异。未来数学界需要的是既能利用AI的算力优势，又能保留人类认知地图的“可理解的数学”。
#陶哲轩 #AI数学危机 #数学论文 #认知地图 #王虹Kakeya猜想