菲尔兹奖得主的 AI 警告揭示数学究竟为何而存在的争论

25 位菲尔兹奖得主发表 AI 警告声明，此前一系列由机器生成的研究成果加剧了 AI 公司与数学研究者之间的冲突。

这份于 9 月 11 日发布的声明承认，大语言模型如今能够为重要数学问题作出贡献。但它提出的挑战远不止这些答案是否正确。签署者认为，AI 公司正围绕可见的解答、基准测试胜利和快速发布进行优化；而数学的发展依赖于概念理解、谨慎署名、学生培养，以及思想的缓慢融合。

这种区别令 AI 实验室，尤其是 OpenAI，面临压力。OpenAI 一直将其模型宣传为科学研究合作者，并大力投入解决知名问题。然而，近期围绕证明发布、署名、私密研究以及一场计划中的 Caltech 活动的争议表明，技术进步与学术规范之间的冲突可能迅速爆发。

这场分歧并非人与机器之间的简单较量。它关乎谁来选择问题、谁来验证结果、谁获得认可，以及谁承担将生成内容转化为持久知识的成本。

这 25 位菲尔兹奖得主究竟警告了什么

该声明认为，解出一道题并不等同于推进数学发展。

签署者包括陶哲轩、Peter Scholze、Maryna Viazovska、Pierre Deligne、Manjul Bhargava、许埈珥，以及另外 19 位菲尔兹奖得主。他们获奖的时间跨度从 Deligne 于 1978 年获得奖牌，到 Yu Deng 于 2026 年获得奖牌。

这一跨度很重要。该声明并不代表某一代人为捍卫既有地位而发声，而是汇聚了来自不同领域、机构和职业阶段的数学家。

陶哲轩表示，这份声明源于获奖者们在此前一周的讨论。他也承认，由于加快发布，其征求意见的范围不如早先的社区倡议《莱顿宣言》。

这份联合声明提出的核心主张直截了当：AI 公司的目标与数学界的目标“严重不一致”。不过，该声明并未拒绝 AI，也没有否认其近期进展。

相反，它区分了数学产出与数学理解。证明表明，一个命题可以从被接受的假设中推导出来；而数学研究还会追问结果为何成立、哪些思想使其成为可能，以及这些思想如何与其他领域相连。

著名的开放问题往往发挥着路标作用。它们的重要性部分来自人们在尝试求解过程中发展出的工具、抽象概念和新问题。一个最终的真或假答案，只捕捉到了这种价值的一部分。

签署者警告称，公司可能会颠倒这种关系。一个开放问题之所以成为目标，是因为解出它能够带来令人瞩目的展示。基准测试随之取代了原本让该问题具有科学价值的理解。

这种担忧还延伸至研究如何进入数学记录。一项成果通常要经历研讨会、私下讨论、书面草稿、专家审查、同行评议、简化和教学。在这一过程中，研究者会识别出核心思想，并将其与既有工作联系起来。

机器生成的结果并不会绕过这种需求，反而可能加剧它。

由数千个 AI 智能体生成的一份长证明，或许在形式上有效，却仍可能令专业人士难以解读。形式化验证，即软件依据明确规则检查逻辑步骤，可以提高人们对正确性的信心；但它不会自动识别最有价值的概念，也不会自然地产生清晰的解释。

声明称，思想与学生是这个行业最宝贵的资源。交给学生的问题往往是训练环境，而不只是等待答案的未完成任务。学生通过这一过程学习探索、失败、重新表述问题，以及如何阐明论证。

一个被优化为尽快解决问题的系统，可能会移除这种环境。结果或许仍然有用，但其科学和教育层面的取舍将更难忽视。

因此，菲尔兹奖得主的 AI 警告所针对的是一种生产模式。它质疑这样一种假设：更快地解出更多问题，必然意味着更健康的数学进步。

为何冲突在此刻爆发

这份警告出现在 AI 数学从竞赛成绩迈向对开放研究问题提出主张之际。

多年来，AI 系统在学校数学、奥林匹克竞赛题、定理证明和形式化验证方面不断进步。这些任务提供了清晰的评分体系，也让研究者能够比较模型表现。

数学研究则带来了不同的考验。答案事先并不确定，文献可能并不完整，甚至专家也可能对一项论证是否真正新颖存在分歧。

尽管如此，AI 实验室仍有强烈理由追逐这些问题。数学为推理能力提供了异常直观的证据。一条困难定理听上去比抽象模型基准上的小幅提升更有意义。

OpenAI 将其系统描述为研究合作者。在一份 2026 年 1 月的报告中，该公司称 GPT-5.2 借助包括 Aristotle 和 Lean 在内的工具，为若干开放的 Erdős 问题作出了贡献。陶哲轩验证了其中一些论证。

这份科学合作报告也划定了一条重要边界。OpenAI 表示，当前模型有时能够结合已知技术或连接既有领域；它承认，创造一种全新的数学类型仍超出模型能力范围。

该文件将形式化检查视为应对看似合理却不正确证明的一种方法。交互式定理证明器 Lean 会迫使数学论证转化为可由机器检查的步骤。这一过程能够发现经过精心润色的自然语言可能掩盖的漏洞。

然而，正确性只是当前争议的一个维度。署名、披露、时机和解释仍然属于人类治理问题。

围绕 OpenAI 声称解决与 Navier-Stokes 方程有关问题的事件，这些紧张关系变得具体。这些方程描述流体运动，也是一个关于解的存在性与光滑性的著名千禧年大奖难题的核心。

OpenAI 表示，一个被描述为比其公开可用系统更强的内部模型，生成了一份相关证明。据称，该公司为此投入了超过 1,000 个智能体，运行时间超过 50 小时，后来又将搜索规模扩大到最多 10,000 个智能体。

OpenAI 研究负责人 Mark Chen 表示，所需计算成本达到数百万美元。这些数字来自公司自身，并不能独立衡量该证明的科学重要性。

这一技术主张很快与一场署名争议交织在一起。NYU 数学家 Tristan Buckmaster 与 Anthropic 研究员 Levent Alpöge 一直在开展密切相关的流体动力学研究。

据报道的争议称，OpenAI 得知这些研究者即将得出成果后，便将大量资源投入这一问题。Buckmaster 质疑，与 OpenAI 产品的互动是否影响了这一工作。

OpenAI 否认其研究人员或智能体访问过这两人的提示词或证明。但该公司表示，无法完全排除去标识化使用数据间接帮助改进其模型的可能性。

这一限定暴露出更广泛的信任问题。数学家可能使用 AI 工具探索尚未发表的研究，而该工具的提供方同时也在竞争发布重大数学成果。

即使没有直接访问私密提示词，这种被感知到的利益冲突也可能改变行为。研究者可能会隐瞒想法、避开某些系统，或推迟合作，因为他们无法有把握地将工具使用与企业研究区分开来。

因此，这场争论远不止于一份证明或一家公司。当 AI 提供商既是研究基础设施，又是同一发现竞赛中的参与者时，常规的隐私保证未必能消除人们对激励机制的担忧。

菲尔兹奖得主的 AI 警告挑战以基准测试为导向的数学研究

核心取舍在于：快速完成问题，与缓慢建立共享理解之间的冲突。

AI 公司通过能够展示的产出来衡量进步。数学重视被解决的问题，但同样重视理论、解释性方法、可复用技术和知识传递。

当 AI 系统帮助数学家测试示例、检索文献、形式化论证，或探索可能的证明策略时，这些目标是重叠的。在这些情况下，自动化支持的是既有研究流程。

当解答本身成为企业奖杯时，它们便会出现分歧。届时，激励机制会偏向知名目标、速度、保密和抢先发布。

一家公司可以通过在竞争对手之前宣布其模型解决了一个公认问题而获益。数学界仍必须判断该证明是否正确、新颖、署名恰当，并且在概念上有用。

这种验证工作很难规模化。专家可能需要数周甚至数月来审查一份密集的论证。他们必须将其与既有文献比较、找出隐藏假设，并决定哪些部分值得保留。

模型生成候选证明的速度可能快于专家评估它们的速度。这种失衡造成了声明所称的真或假陈述的大规模生产。

这一表述并不意味着每项结果都是错误的。它描述的是一个数量问题。即使正确的输出，也可能压垮负责审查和解读它们的机构。

学术出版体系围绕相对稀缺的人类手稿发展而来。审稿人愿意投入时间，是因为节奏仍在可管理范围内，而产出的成果又支撑着一个共享的专业体系。

如果 AI 实验室快速连续发布大量技术上复杂的主张，审查负担便会向外转移。大学和个体研究者承担成本，而实验室则从最初的发布中获得关注。

同样的不对称也影响署名。数学成果的认可很少只属于写下最后一行的人。它还反映了猜想、部分结果、失败的路径、非正式交流，以及跨越数代发展出的技术。

生成的证明可能会掩盖这条链条。模型从广泛的训练材料中综合模式，未必能可靠揭示哪些来源塑造了某个具体步骤。因此，一份技术上正确的解答仍可能引发关于知识优先权的悬而未决的问题。

获奖者还反对将著名问题视为可随意消耗的基准。一个困难猜想可以组织数十年的研究，因为阶段性进展会揭示有用的结构。一旦答案出现，注意力和资金可能转向其他地方，即便生成的证明几乎没有教会研究者什么。

这带来了一种反转。AI 被宣传为加速数学发现的工具，但以基准测试为导向的部署可能会削弱赋予发现持久价值的人类理解。

人工智能辅助数学仍然有很强的价值。模型可以检索冷门参考资料、生成示例、将非正式论证转化为形式语言，并帮助研究人员协调大型项目。

OpenAI 数学家 Sébastien Bubeck 曾将未来可能出现的系统比作粒子加速器。在这种设想中，大规模计算基础设施可以帮助团队研究任何个人都无法独自处理的问题。

他也认为，人类必须始终处于核心位置，因为数学的意义在于数学家能从中学习。这个立场与那份声明的距离，或许比公开争论所显示的更近。

尚未解决的问题在于控制权。如果研究人员选择问题、管理署名并获得可用的解释，AI 可以拓展这个领域。如果企业演示决定研究议程，数学界就会沦为他人产品战略的验证服务机构。

菲尔兹奖得主的 AI 警告呼吁各机构在基准测试激励成为常规做法之前，认识到这一差别。

Caltech Mathathon 让激励问题变得可见

一场原计划持续 40 小时的活动，将抽象分歧转化为关于资金、劳动与早期职业研究人员的争议。

Caltech 原计划于 2026 年 10 月 30 日举办 Mathathon。参与者将在一场高强度竞赛中使用大语言模型攻克开放研究问题。

Anthropic 和 OpenAI 最初预计将合计提供价值 200 万美元的 AI 使用额度。批评者称，这种结构在学界尚未建立评估结果的标准之前，就奖励快速产出。

一封反对该活动的公开信于 9 月 8 日递交，并在两天后发布。公开时共有 771 名签署者，来自 Caltech 及更广泛的数学研究界。

Mathathon 公开信认为，40 小时不足以支持对开放问题研究的深入理解、谨慎验证和负责任的沟通。信中要求组织方暂停活动。

作者还强调了资源分配的异常之处。参与者可能获得大量计算额度，但外部数学家很可能要承担后续大量核查工作，却没有报酬或正式认可。

这不仅仅是对计算成本高昂的抱怨。大型计算项目早已在各个科学领域发挥正当作用。令人担忧的是，资源获取遵循的是活动与营销结构，而非可持续的研究流程。

这种形式也让本科生和其他早期职业参与者处于不确定的境地。学生可能生成一个有趣的结果，却不具备验证它或理解其与既有研究关系的专业能力。

如果结果被证明是错误的，学生可能面临声誉后果；如果结果很有价值，平台提供商和活动组织者获得的曝光度，可能超过完成数学与编辑工作的人。

支持者完全可以回应称，高强度活动往往能够促成合作。黑客松鼓励实验，将新用户带入技术领域，并让昂贵的基础设施变得可获取。

Mathathon 组织者也可以要求披露、发表、专家指导和活动后审查。短期活动本身并不必然阻碍严肃工作在之后继续发展。

这一反驳指出了更广泛声明中的一个弱点。菲尔兹奖得主描述了紧迫风险，却几乎没有提出可操作的规则。他们没有界定可接受的发布流程、披露标准，或补偿验证工作的制度。

一些对 Tao 发布内容发表评论的数学家认为，该领域必须调整自身激励机制。期刊可以认可解释性改写，建立专门审查小组，或要求 AI 辅助投稿提供机器可读的来源记录。

这种批评是公平的。AI 公司不能单方面决定学术认可应当奖励什么。大学、出版商、资助机构、会议和专业学会同样会塑造结果。

不过，这场活动也显示，仅靠自愿调整或许并不够。一家资金雄厚的公司可以产生新成果的速度，远快于大学围绕这些成果建立规范的速度。

根据围绕该活动的公开声明，OpenAI 在受到批评后撤回了赞助。这一回应缓解了眼前压力，但并未解决根本问题。

Anthropic 的立场也让简单的企业对学界叙事变得复杂。在 Navier-Stokes 争议中参与的一名研究人员就职于 Anthropic，而该公司同时也支持 Mathathon。AI 实验室内的研究人员，其职业价值观并不总能与企业竞争整齐一致。

因此，最有用的分界线并非学术与商业，而是 AI 项目究竟将理解、署名与社区审查视为设计要求，还是仅仅当作公告发布后的收尾工作。

正确的证明仍需要人类机构

形式化验证可以确立一致性，但无法判断一个结果是否已被负责任地纳入科学体系。

这一差别至关重要，因为 AI 数学辩论常常将几个问题混为一谈。

第一个问题是证明在逻辑上是否正确。Lean 等形式化系统可以通过在指定框架内检查每一个步骤，帮助回答这个问题。

第二个问题是，形式化陈述是否准确对应原始问题。对错误形式化的无瑕证明，并不能解决原本意图中的问题。

第三个问题是结果是否具有新颖性。判断新颖性需要文献回顾、专家知识，以及与既有工作进行谨慎比较。

第四个问题是贡献是否得到了公平署名。一个证明可以既正确又新颖，但仍可能依赖未被恰当披露的想法或数据。

第五个问题是人类能否从中学习。机器检查的对象或许能够确立真理，却无法指出使结果可复用的概念。

参与准备一份 AI 辅助结果的人类撰写说明的哈佛数学家 Melanie Matchett Wood，描述了一个相关的沟通问题。她表示，顶尖模型往往会过度解释简单材料，却对最困难的步骤一带而过。

她的观察揭示了为什么表述并非装饰。一份好的证明会告诉专业读者真正的难点所在，也让他们能够将方法迁移到另一个问题上。

由于现有机构将这些功能分散在作者、审稿人、编辑、研讨会听众和教师之间，正在形成的研究规范仍未稳定。

AI 系统以前所未有的规模整合了搜索、起草、计算和形式化。它们可以在任何人尚未就谁承担各项后续责任达成一致之前，就生成结果。

建设性的回应应当保留这种规模的优势，同时明确各方责任。

AI 辅助论文可以披露对结果产生实质影响的模型、工具、提示词和计算方法。提供商可以公布足以进行独立复现的技术细节，同时不暴露无关的用户数据。

项目可以在公开宣布前吸纳领域专家。这些专家将帮助判断结果是否新颖、形式化陈述是否符合原始问题，以及应如何引用此前贡献。

公司也可以资助验证工作，而不控制其结论。由大学或专业学会管理的独立审查资源池，将有助于减少无偿劳动问题。

期刊可能需要新增贡献类别。即使最终定理已经公布，将一份庞大的生成式证明转化为可理解的论证的研究人员，仍然能够带来重要的科学价值。

团队还需要保留长期记录。一个可搜索的知识库可以在漫长的验证过程中保存草稿、源材料、讨论和决策。工具本身不如其背后的来源记录纪律重要。

这些措施都无法消除这种权衡。快速生成与缓慢理解运行在不同的时间尺度上。

这份声明也不应被视为 AI 生成数学必然具有破坏性的证据。其签署者明确承认，AI 有潜力增进真正的研究。

更尖锐的主张在于制度层面。若没有署名、验证和解释标准，技术能力就会默认设定研究议程。

这种结果并非源于一台自主机器选择伤害数学，而是源于人们奖励那些最容易被宣传的成就。

菲尔兹奖得主 AI 警告之后值得关注什么

下一项考验在于，这份声明是否会形成具体研究规则，而不是又一场短暂的争议。

第一个信号将来自 AI 实验室的发布实践。未来公告应当显示，公司是否提供完整证明、可复现方法、模型细节，以及对人类贡献的清晰说明。

如果一个实验室在提出重大主张前邀请独立审查，将增强 AI 能够充当共享科学基础设施的论据。另一场仓促公告随后引发署名争议，则会强化获奖者的警告。

第二个信号涉及 Mathathon 及类似活动。组织者可以围绕指导、披露、审查和活动后解释，重新设计竞赛。

这意味着评判参与者时不能只看模型是否得出答案。评估还可以包括方法的清晰度、引用质量、可复现性，以及结果对未来研究人员的价值。

如果活动继续优先考虑在最短时间内解决最受瞩目的问题，基准测试模式仍将占据主导。如果它们奖励解读与维护责任，就可以检验一条更具协作性的道路。

第三个信号将是机构采纳。期刊、会议、资助方和数学学会需要制定 AI 辅助研究政策，且内容不应止于抄袭检测。

有用的规则应界定作者身份、模型披露、数据来源、形式化验证、审稿人访问权限，以及解释性重构的贡献认可。它们还应澄清，公开声称某个开放问题已被解决，需要哪些证据支持。

菲尔兹奖的宗旨包括表彰既有成就，以及未来成就的潜力。这一表述反映出，该领域关注的是智力发展，而不仅是完成的产出。

AI 并不会让这一价值过时。它让答案与研究贡献之间的区别变得更加重要。

开发者应当关注，因为数学正在成为 AI 辅助知识工作的试验案例。当模型生成软件、科学假设、法律分析或设计概念时，同样的冲突也可能出现。

企业买家应当询问，系统是否保留来源记录并支持独立核查。速度固然重要，但问责决定了生成的工作在演示结束后是否仍值得信任。

知识工作者应当关注，当 AI 系统完成可见任务时，究竟是谁从中获益。验证、解释、维护和教授结果的人，可能创造了其中大部分持久价值。

菲尔兹奖得主对 AI 的警告，归根结底并不是要求停止使用 AI，而是要求在技术指标固化为制度之前，先决定这项技术应当优化什么。

未来几个月将检验实验室、高校和出版机构能否确立这一共同方向。若不能，每一项由机器生成的新证明都会加深同样的冲突：答案更快出现，随后却要围绕知识是否真正取得进展展开更漫长的争论。