编辑丨小龙
封面丨陶哲轩
9 月 8 日清晨，OpenAI 发布了一项震撼业界的成果：其未公开的内部模型驱动约 1 万个自主 AI 智能体，在 88 小时内生成了三维纳维 - 斯托克斯方程有限时间爆破问题的证明，并利用 Lean 完成了形式化验证。
这是 AI 首次宣称攻破克雷数学研究所悬赏 100 万美元的“千禧年大奖难题”之一。然而，纽约大学数学家 Tristan Buckmaster 随即指控 OpenAI“截胡”了其团队一年多的核心成果，引发学术界与科技圈关于学术诚信及 AI 科学意义的激烈争论。
菲尔兹奖得主陶哲轩评价此为"remarkable achievement"，但他强调需区分"AI 解题能力的进步”与“人类数学知识的增长”。AI 能加速实验、代码编写及证明生成，但科学研究的完整闭环还包括验证、理解、解释及将新知沉淀为学科体系。目前，AI 正在极速完成前半段，而人类理解和消化知识的速度并未同步提升。
陶哲轩指出，千禧难题如同“灯塔”，其价值不仅在于最终证明，更在于探索过程中创造的新工具与新联系。Lean 虽能核查逻辑规则，却无法保证研究者掌握其中的思想精髓。他担忧若研究生训练过程被 AI 完全替代，科学界可能在收获成果的同时，逐渐丧失培养下一代研究者及孕育原创思想的能力。
以下为创业邦对陶哲轩 Big Think 深度访谈的翻译精编。
陶哲轩 Big Think 访谈现场
科学范式的演变：从理论实验到 AI 辅助
过去几百年，科学研究主要依赖理论与实验两种范式。开普勒提出行星运动理论，牛顿建立引力理论，随后通过实验收集数据加以验证。数学领域则偏重理论推导，虽偶有高斯计算质数分布等实验性尝试，但总体仍以逻辑推演为主。
随着技术发展，模拟仿真成为第三种范式，允许在超级计算机中复现飓风等复杂现象；大数据时代则开启了从海量数据中挖掘规律的第四种范式。如今，AI 作为新帮手正在重塑所有这些方式。无论是自动实验室、编程智能体运行模拟，还是自动数据分析乃至理论推导，AI 都能以远超人类的规模和速度完成任务。
AI 越来越强，人类却未必更懂科学
理论上，AI 完成的理论分析数量可远超任何单一科学家。但科学研究的价值不仅在于“找到答案”。科学家花费数小时用纸笔推导或亲手调试程序，往往能在过程中获得额外洞察：发现新现象、建立新联系、识别与过往文献的关联，并将这些发现有效传达给同行。
这里存在一个悖论：AI 能力越强、犯错越少，表面上越能高效完成实验、分析和写作，但代价可能是人类科学家并未因此变得更擅长研究。若无人能清晰阐述发现的意义、证明的创新点及其与其他知识的联系，科学进步的内涵将被稀释。
陶哲轩比喻道：传统科研如同徒步寻找瀑布，途中迷路可能发现新景观，过程本身极具价值；而 AI 如同直升机，直接将人送达目的地。虽然效率极高，但研究者错过了沿途风景，也未学会如何行走。
大模型的智能本质上是“猜出来的”
大模型的本质：基于概率的模式拟合
现代 AI 基于机器学习算法，试图从数据模式中做出预测。以回归分析为例，通过观察输入（喂食量）与输出（体重）的关系拟合曲线进行预测。大语言模型（LLM）的核心机制则是预测序列中的下一个词。
尽管现实世界的关系错综复杂，但通过数万亿数据点的训练和巨额算力投入，LLM 能够拟合出高维空间中的复杂曲线，从而生成连贯且看似充满智慧的文本。这种能力源于自然语言中隐含的深层模式，即便模型并不真正理解现实世界，也能通过模仿展现出智能行为。
通过提示工程（如让模型逐步思考、自我复核），可以显著降低错误率，使其解决复杂数学问题。然而，这本质上仍是一种“猜测”而非基于深刻理解的推导。它像是一位知识渊博但略显混乱的专家，需要人类引导才能提炼出有价值的成果。
AI 擅长广度，人类擅长深度，二者高度互补
人机协作：广度搜索与深度挖掘的互补
公众常误以为人与 AI 是在同一维度上比拼解题难度，实则两者具有高度互补性。人类专家擅长“深度”：精选少数关键难题，持续积累认知，从失败中修正判断，提炼新概念，为后续研究奠定基础。
AI 则擅长“广度”：面对成千上万个问题，AI 能并行尝试大量路径，结合不同领域方法，甚至发现被人类忽略的冷门文献或简单解法。由于没有先入为主的观念，AI 有时能打破专家共识，提供独立视角。
若将一千道题交给 AI，即便只解出 5%，也是五十道新成果。虽然这些未必是最核心的难题，但其规模效应不可忽视。未来的方向应是人类负责深挖核心难点，AI 负责大范围扫描和辅助验证，形成合力。
AI 太快了，科学未必因此更快
速度与深度的博弈：警惕“过拟合”风险
开普勒发现行星运动定律的过程极具启示意义。他最初提出的正多面体模型虽优美但与第谷的观测数据不符。经过多年磨合与修正，他最终提出椭圆轨道理论，才实现了理论与数据的完美契合。这一过程表明，科学进步往往需要长时间的试错与消化。
开普勒与布拉赫雕塑（来源：WikiPedia）
在开普勒之前，地心说模型虽复杂但预测精度一度优于早期的日心说。若当时有 AI，那些早期预测不准的日心说模型可能因“数据拟合度低”而被过早淘汰。这揭示了一个风险：AI 追求快速拟合数据，可能导致“过拟合”，构建出复杂却无实际物理意义的模型。
将 AI 融入科学发现是一个挑战。虽然它能加速实验、编码和写作，但若优化了错误的目标（如单纯追求论文产量），可能导致科学实质进展停滞。我们需要时间去消化理论，确保其与现有知识体系相契合，而非盲目追求速度。
AI 证明越来越多，人类却吃不下了
知识消化的瓶颈：“证明消化不良”
数学研究包含解题、验证、阐释及教学等多个阶段。AI 已能自动化生成并核验大量证明，但这些证明往往冗长且难以阅读，缺乏人类对难点的直观洞察。更重要的是，将原始证明转化为教科书级别的易懂知识，仍需人类投入大量精力进行梳理和编辑。
当前学界正面临“证明消化不良”：AI 产出的解法数量激增，超出了人类的消化能力。过去，重大突破稀缺，专家会集中精力研读；如今，海量成果涌现，研究者不得不筛选优先级，甚至无法跟进所有进展。这需要建立更高效的整理和筛选机制。
AI 开始摘下数学研究的“硬果子”
AI 能力的跃迁：从奥赛题到未解之谜
过去三年，AI 数学能力经历了显著跃迁：从初中题目到高中奥赛，再到研究生资格考试，直至近期解决部分长期未解的科研难题。AI 凭借不同的思维偏向，有时能拼凑出人类未曾想到的巧妙解法，如单位距离问题的相关进展。
然而，这些成果的复现性和成本尚不明确。私营公司未公开资源投入细节，外界难以判断这是普遍能力还是特例。最新的"First Proof 挑战”显示，顶尖模型在十道研究级题目中能解出五六道，表明其在日常科研任务中已具备实用价值，尽管算力成本高昂且存在失败风险。
AI 还没有成为默契的研究伙伴
协作的局限：尚未形成思维默契
陶哲轩高度评价人类间的科研合作，认为长期搭档间能形成思维默契，彼此启发。相比之下，目前的 AI 尚无法真正融入这种对话节奏。AI 容易犯错、迎合用户，且缺乏持续学习的记忆机制，难以像人类同事那样无缝衔接思路。
现阶段，AI 更适合承担文献检索、代码检查、校对润色等辅助任务，而非核心解题过程。虽然技术进步迅速，但要让 AI 成为真正的“默契伙伴”，仍需时日。
为下一代科学家留下成长空间
未来警示：保护科研生态与人才培养
当前科研资助体系面临风险：若用 AI 取代研究生完成基础性训练课题，虽能短期提升论文产量，却可能切断下一代科学家的成长路径。若不再有人类去消化、整理 AI 产出的知识，科学共同体可能陷入停滞，失去原创思想的源泉。
陶哲轩呼吁，必须公开讨论基础科学的价值，坚持由好奇心驱动的研究，保留人类探索未知的空间。科学不仅产出技术成果，更能赋予人清晰的思维方式，缓解对复杂世界的焦虑。这些柔性价值同样需要支持与传承。
