Jay 发自 凹非寺 | 量子位
曾被视为AI工具积极倡导者的菲尔兹奖得主陶哲轩，近期在SAIR演讲中公开呼吁AI公司“减速”。他指出，当前模型公司在数学领域的无休止加速缺乏审慎考量，必须慢下来。
这一态度转变并非个例。面对OpenAI等机构攻克千禧难题的进展，包括Cédric Villani在内的多位顶尖数学家表达了深切担忧，认为这可能对数学研究范式造成冲击。
从拥抱到审慎：陶哲轩的态度转变
就在数月前，陶哲轩仍是硅谷推崇的“AI应用典范”。他不仅将AI深度融入查文献、写代码及辅助计算等工作流，更在2026年3月IPAM会议上断言AI在数学领域已“ready for primetime”，并称数学正经历一场“哥白尼革命”。
然而，随着大模型迭代速度超出预期，其立场发生显著调整。在最新演讲中，他直接向模型公司喊话，建议暂停单纯追求解题速度的竞赛，强调“这并非世界危机，无需如此急切”。
核心忧虑：证明消化不良与知识拥堵
陶哲轩反对的并非AI解决数学问题本身，而是“只求结果、不求理解”的研发模式。他将未解数学猜想比作“灯塔”，其价值在于照亮探索海域的过程，而非终点坐标。
一个完整的数学证明生命周期包含五个环节：提出解答、机械验证（如Lean形式化）、阐释工作、同行评审及写入教科书。目前，AI仅在前两个环节疯狂加速，而在后三个关乎人类理解与传承的环节几乎停滞。
这种失衡导致了前所未有的“证明消化不良”（Proof Indigestion）。大量AI生成的证明无人解读、无法发表，如同汽车突然涌入为马车设计的街道，造成系统性拥堵。
两大潜在隐患
陶哲轩指出，若长期忽视理解过程，将埋下深层危机：
创造力丧失：新数学思想往往诞生于推导过程中的“认知摩擦”与偶然发现。AI直接跳跃至答案，抹杀了探索带来的灵感与新领悟。
数据污染风险：当前AI依赖人类数百年积累的高质量教科书数据训练。若未来学术界充斥AI生成但人类无法理解的证明，下一代模型基于此类数据迭代，可能重演生物学中“克隆小鼠”因累积缺陷而衰退的悲剧。
学界联名抗议与OpenAI回应
针对上述风险，陶哲轩联合Peter Scholze、Pierre Deligne等25位菲尔兹奖得主发布公开信，批评将数学作为Benchmark刷分的做法严重偏离学科本质，强调“认知摩擦”才是思想生长的土壤。
对此，OpenAI宣布成立设于普林斯顿高等研究院的“数学与人工智能顾问小组”，成员包括Edward Witten、Timothy Gowers等顶级学者，旨在协助评估成果重要性及协调传播。
值得注意的是，OpenAI声明明确指出该小组“不负责就数学内部进展提供建议”。这表明顾问机制更多服务于外部评估与传播，而非干预核心技术路线。
舆论反馈与社会反思
相较于学界的严肃担忧，公众舆论呈现出复杂态势。部分网友对数学家群体的焦虑缺乏共情，甚至出现调侃声音。更有评论尖锐指出，当其他行业从业者面临AI冲击时，并未获得同等程度的关注与声援。
参考链接：
[1] SAIR Conference Speech
[2] OpenAI Official Statement