过去，数学家常常用几十年等待一道难题的答案。如今，他们需要学着应付答案来得太快。 前几天，华人数学家，菲尔兹奖得主陶哲轩在自己的个人博客转载了人类数学协会的声明，声明中呼吁所有数学家从现在开始都抵制 OpenAI。 转眼国内，丘成桐数学与人工智能实验室联盟在清华大学成立，计划汇聚约千名科研人员，开发面向数学研究的专用模型，探索 AI 辅助猜想发现、形式化证明和可解释的推理系统。 图源：Handout 丘成桐是当代全球最具影响力的数学家之一，首位华人菲尔兹奖得主。27 岁时，他成功证明了困扰国际学界近半个世纪的「卡拉比猜想」。 「人工智能在数学领域的发展就像一场海啸，」丘成桐说，并认为国内数学家需要组织起来，积极拥抱这项技术，而不是回避它。 丘成桐新论文还致谢了 GPT 6 Astra 和 Claude Pro。 在晚点最新的采访里，他说，比解题更重要的是原创的观念，是创造新的坐标，而真正的原创仍然来自人的志向、直觉、经验和想象力。 它有时候技术上并不复杂，而是换了一种理解世界的方法。我不相信在前人从来没有讨论过这个观念的情况下，AI能自己发明出「坐标系」。 丘成桐还表示： 「陶是位非常优秀的数学家，但这并不意味着他代表了整个数学界。」 在推动前沿数学研究的能力上，国内模型与美国前沿模型仍有明显差距 AI 改变了数学领域的时间尺度。 10 月 6 日，OpenAI 一次性公开了 722 篇数学手稿，涉及数百组研究结果。对于平日要花数月乃至数年打磨一篇论文的学者来说，这样的数量几乎难以消化。 发布后不久，部分手稿因证明错误被撤回，另有一些得到修改。数学家既要判断哪些结论成立，也要厘清它们与已有工作的关系。 Google DeepMind 在本周给出了另一种值得注意的进展。10 月 8 日，其 AlphaProof Nexus 研究经过同行评审，正式发表于《Science》。 这项工作最早在今年 5 月以预印本形式公开。研究团队让 AI 智能体不断尝试生成数学证明，再交给 Lean 形式化证明助手检查。遇到错误，系统读取反馈，调整步骤，继续搜索，直到得到能够通过检验的证明，或者耗尽资源。 在研究报告中，系统尝试了 353 个已经形式化的埃尔德什相关开放问题，解决其中 9 个，里面有 2 个问题悬而未决达 56 年。 它还证明了《整数数列在线百科全书》中 492 个待解猜想中的 44 个，并在代数几何、优化等领域取得进展。 当前沿研究的工具、算力和人才快速向少数机构集中，后来者如果迟迟不进入，就可能逐渐失去参与制定研究议程的能力。 丘成桐判断，国内模型在日常应用上并不弱，但在推动前沿数学与物理学研究的能力上，与美国前沿模型仍有明显差距。 联盟计划研发面向数学科学的专用模型，建立可共享的形式化数学库和算力平台，让 AI 帮助研究者提出猜想、搜索证明，也让数学理论反过来改善模型的可解释性和安全性。 参加的机构包括清华大学求真书院、中国科学院晨兴数学中心、上海数学与交叉学科研究院等，后续还将在北京、上海、南京、深圳和香港展开协作。 清华团队已经借助 AI 证伪了退化情形下的一项阿诺德猜想。另一项卡拉比猜想形式化验证工作，则在 Lean 4 中积累了约 27.3 万行代码。颇有意思的是，半个世纪前，正是丘成桐证明了卡拉比猜想。 卡拉比-丘流形的三维投影 中国数学会理事长席南华在联盟成立当天提醒，定理好比砖块，数学还需要把砖块组织起来的体系。中国科学院院士田野则谈到自己已经在研究中使用 AI，通过具体计算、构造和论证与它反复交流。 对中国数学教育来说，未来或许会越来越少地把做出标准答案当成终点 10 月 9 日，陶哲轩在加州理工学院做了一场题为 Math 2.0 的演讲。 他把传统的数学研究称为 Math 1.0，那是一个证明稀缺的时代。证明定理困难而珍贵，围绕难题建立起来的评价方式，大体能够激励人们发展新的工具和理论。如今，AI 正让数学进入证明逐渐丰裕的时期，旧有的衡量方式也需要调整。 他在演讲中提出了一个很好的比喻：开放问题有时像灯塔，研究者向着它前进，真正重要的发现却常常发生在途中。 有人寻找一条路线，发现它走不通，便学会了辨认一类障碍；有人为了接近答案，发明出可以在其他问题上反复使用的方法。即使最后没有抵达灯塔，这些经验也可能改写一片数学领域的地形。 如果机器直接把答案送到眼前，那些尚未走过的路怎么办？ 陶哲轩担心，一旦研究只剩下持续清空开放问题清单，学科可能渐渐失去培养新思想的过程。大量正确的结果堆积在那里，能够理解它们、质疑它们、由此提出更好问题的人却未必同步增加。 在 Math 2.0 的设想里，AI 依然扮演重要角色。 陶哲轩希望用 AI 为难懂的证明寻找清晰解释，把分散在论文中的定理组织成持续更新的知识网络，建立更完整的形式