数学难题正被AI批量攻克，数学家却被逼着给AI擦屁股。。。

多年以后，面对人工智能，数学家们估计会想起 OpenAI 轰炸数学界的，那个遥远的上午。

 10 月 6 号，OpenAI 一口气在 GitHub 上倾泻了 722 份手稿，里面包含了 372 个数学难题的证明研究，给数学家们整了个大的。

这些题有多牛叉咱看不懂，但看数学界内部研究员的反应，可能比上回 GPT 速通千禧年难题还要夸张。

罗格斯大学的数论学家 Alex 直言，这简直是在逗我玩儿，准黎曼猜想都做出来了，菲尔兹奖啥的，给你了呗。

英国皇家学会的研究员 Thomas 更佛系，建议大伙儿休休假，陪陪家人，感受一下自然，然后再回来工作。

没办法，上回的千禧年难题被速通，大伙儿体感还没那么夸张，毕竟数学的细分领域多，隔行如隔山。

 但这次 OpenAI 不讲武德，轰炸范围横跨 17 个领域，什么数论、代数、几何、拓扑，火力覆盖范围直接拉满。

除此之外，解题成本也是一泻千里，之前解 NS 方程的时候，还得上万个 Agent 一起干 88 个小时，但这次平均下来，一个问题才消耗 ChatGPT Pro  仨小时的计算资源。

没错，甚至还是特喵的 Chat 模式。。。

难道，数学真药丸？

诶，传统视角来看，确实不容乐观，我们之前就采访过业内人士，大伙儿可以瞅瞅 （ 15分钟一局的王者荣耀，成了数学博士生的避难所。），AI 辅助数学做科研的趋势其实早就不可阻挡。

 但眼下大伙儿争议的点并不在这儿，而是 OpenAI 这些模型厂商泄洪式的粗暴证明，可能正在伤害数学，甚至科学研究本身。

因为他们放出的过程说明和论文，很多都是废话连篇、狗屁不通的，虽然能过机器验证，但很难沉淀成人能理解的知识。

这事儿数学家们已经呼吁好几轮了。

上个月 11 号，就在 NS 方程问题被解后，陶哲轩就联合 25 位菲尔兹奖得主发布了联合声明，强调的就是这件事。

 说 AI 搞数学是牛逼，但现在用法不对，存在严重错位，不能让 AI 公司把数学题当 benchmark 刷。

这次事件后，人类数学协会 AHM 发出的声明则更加激烈。

他们呼吁数学家停止与 OpenAI 合作，因为这厮只会秀肌肉，漠视科研规范，大家还是得重新回到以人类为中心的科研模式才行。

这可不是什么被 AI 抢了风头的委屈叫苦，而是他们切实感受到，AI 这么窜稀式发布，是真会出问题的。

就比如今天下午，OpenAI 就刚刚撤回了已经发布的 3 份手稿。

原因那是相当草台，就是一篇论文的一个正负号搞错了，导致关键结论出错，顺带着连锁反应。把另外两篇依赖它的论文也拖下了水。

不说别的，要是 AI 公司继续这么干，连锁反应的链条可能会越攒越长，幻觉自然是左脚踩右脚直接升天。

当然，数学证明出错不是什么稀罕事儿，人类数学家也经常犯错。强如证出费马大定理的怀尔斯，也用了一年的时间修补最初的证明过程。

 但麻烦的是，AI 这玩意儿实在太快了，快到了另一个维度。

以前数学成果一篇篇地出，大伙儿还能慢慢审，慢慢讨论。

现在 AI 一口气甩出几百份，验证对错、梳理思路，整理成人类能理解的知识，这些最后都得落到人类数学家的头上。

别忘了，人刚刚才被 AI 轰炸一轮儿，又该以怎样的心情去给 AI 擦屁股呢？

而没了这些整理沉淀的过程，很多前不着村后不着店的证明结果，很可能也没啥卵用。

因为比起证明本身，数学研究里更值得关注的，其实是藏在这些证明过程中的新思想和新工具。

就拿刚才提到的费马大定理来说，看着就是个简单的方程，但数学家们前赴后继的排队磕了 358 年，才在怀尔斯接棒后彻底搞定。

死磕的这三百多年，要只是得到一个有没有解的结论，那可亏大发了。

 数学家们最大的收获，正是为了找到答案不断构筑的各种数学工具。

像是 19 世纪，库默围绕数的分解问题发展出的理想数理论，后来成了现代数论的根基之一。

还有 20 世纪的椭圆曲线，索性走出纯数学领域，被用在了密码学里，咱网上聊天的数据传输也有它的一份功劳。

还有模形式，伽罗瓦表示等等，一代又一代，各自开枝散叶，然后才在怀尔斯的手中慢慢联系起来。

等到他最终攻克费马大定理的时候，真正证明的，其实是一个范围更广的数学结论，费马大定理反而成了一个顺势得到的推论。

 而这些在过程中搞出来的理论和方法，并不会随着这道题的结束而原地退役，反而会成为数学家研究其他问题的有力工具。

纪录片里，怀尔斯自己就说过，一个好的数学问题，价值不在于问题本身，而在于它能催生出怎样的数学。

证明可以终结一道题，但真正有生命力的数学，是从一道题出发，让人类看到此前看不见的东西。

但不巧的是，按照一些数学研究员现阶段的反馈来看，这部分恰恰是 AI 的大短板。

AI 确实善于调用不同工具，东扯西拉的把各个领域的知识组合起来，但它组合的那些工具，基本都是已有的，也就是人类之前创造的，至于它自己造没造新工具，那得等这七百多份 “ 手稿 ” 被理清楚才能得知。。。

 这种缺乏 “ 创造力 ” 的短板还不是什么一时的刻板印象，而是诸多业内大佬的亲身体会。

18 年的菲奖得主 Alessio 谈到 AI 的使用体验时说过，如果一道题没有公认的解题思路，也没啥相关文献和先前成果，AI 就非常容易抓瞎。

大佬用的模型跟 OpenAI 的内部模型肯定没得比，但就算这次真的有新工具问世，也还是会回到那个老问题上：怎么被人类理解，又怎么复用？

这可能是数学家，甚至科学家真正在意的东西。

因为我们总不能只当个观众，不断为 AI 大人攻克难题而喝彩，却对它用了什么，怎么做到的一无所知。

眼下的窘境就是如此，随着这些证明越来越便宜，理解反而越来越贵了。

 因为说到底，数学的证明还是得靠数学家们一点点解读给普罗大众的，但他们的动力和回报，在 AI 这么无差别的轰炸下，是在一点点缩小的。

如果没人再愿意去解读 AI 的抽象论文，那这座堆砌起来的数学大厦可能会成为《三体》里的黑域，看似掌握了前所未有的力量，实则化身为理解的屏障，把文明锁死在里面。

作为地球上现存的唯一人类物种，咱智人能混到今天，可不止会用工具而已。

你看 BBC 的纪录片里，黑猩猩都会用树枝插棉花糖烤着吃。

 但它们可不会琢磨，这火到底是怎么烧起来的，除了烤棉花糖，还能拿来干点啥？

而咱们就是靠着这一路琢磨的动力，才从山洞里的篝火旁折腾到了现在。

说白了，会用工具，知道结果，跟理解工具背后的原理，终究不是一回事，科学也从来不止于发现，更在于不断刨根问底。

没了这股子动力，那再过一百万年，咱们也未必能走出文明的山洞。。。