陶哲轩、邓煜等25位菲尔兹奖得主联名声明：AI解题与数学共同体目标严重错位
陶哲轩邓煜究竟在反对什么：AI暴力解题摧毁人类数学精神 25位菲尔兹奖得主联名吹哨 衡宇 发自 凹非寺 量子位 | 公众号 QbitAI 面对近期AI大厂推进数学研究的方式，连一向与AI为善的陶哲轩都坐不住了。 刚刚，陶哲轩、邓煜等25位菲尔兹奖得主联合发起并作为首批签署人，发布了一份声明表示：AI公司推进数学的方式，已经与数学共同体的目标出现“severe misalignment（严重偏移）”。 因鉴于近期AI急剧发展对数学领域带来的冲击极为严峻，发起人未走流程繁琐的协商程序，而是选择紧急公开发布，以尽快回应危机。 过去几个月，大语言模型的数学能力急剧提升，已经能解决多个数学领域中重大的未决问题；但AI公司越来越倾向于把解决数学问题当作benchmark来推进的做法，对数学这门科学、对数学共同体都是有害的。 AI公司的目标与数学共同体的目标严重错位。 我们认为，这属于更广泛的错位问题的一部分，影响着其他科学与创意职业，乃至整个社会。 回顾过去半年，AI在解决数学难题方面频频取得了突破性进展—— - 5月，OpenAI内部模型给出Erdős单位距离猜想反例。 - 7月，Claude参与推翻Jacobian conjecture。 - 9月初，GPT-6 Astra在孪生素数猜想方向上取得了新进展，用Lean形式化证明把连续素数间距的上界从246推到了186。 - 本周，OpenAI用1万个Agent跑了88小时，拿出Navier-Stokes证明，并由此引发出一场涉及OpenAI、Anthropic和两位数学家之间的罗生门事件。 单纯从数学进展来说，这无疑是好事。 但无可否认，由此还带来的一系列冲击和影响。 本周关于Navier-Stokes的实践更是成为直接导火索，促使25位菲尔兹奖得主在过去一周紧急商议，并迅速发表此联名公开信。 声明全文：https://mathandai.org/ 首先要说明，这份声明并不是呼吁or要求停止AI，或停止用AI来主导/辅助数学研究工作，也没有否认AI取得的这些成果。 他们的核心担忧集中在下面三个方面： 第一，AI解题速度开始超过数学共同体消化知识的速度。 第二，AI公司追求benchmark成绩，数学界追求方法、理解和知识传承，两套评价体系开始分叉。 第三，当AI能快速完成开放问题后，数学研究的优先权、人才培养和开放文化都需要重新定规则。 Navier-Stokes争议暴露出无数个对AI与数学的灵魂拷问 几日前，OpenAI宣布用1万个Agent跑了88小时，解决Navier-Stokes（构造平滑外力使流体有限时间爆破，符合克雷题面C、D情形）这一千禧年难题，而后引发了一场连环抓马，将纽约大学数学家Tristan Buckmaster和Anthropic研究员Levent Alpöge这两名人类一同裹挟进舆论场。 （故事具体详情可见：《难评！OpenAI刚官宣的NS方程大突破，被数学家手撕了》） 事件引发的争议，每一点都直击灵魂： 一个研究者在AI工具里输入的Prompt，算不算未发表研究材料？ 模型公司是否在得知数学家研究思路和进展的前提下，利用上万Agent暴力破题，抢跑成果？ OpenAI提出的解决方案中，要求将Anthropic员工Alpöge排除在作者名单之外，是否违背数学研究精神、规则和常理常情？ 顶尖模型接受过相关用户数据，那么怎么证明顶尖模型给出的数学证明成果是AI独立产生的？ AI把“证明”做出来以后，谁负责把它变成人能理解的数学？ AI声明暴力破解数学难题，并署名为个模成果，但后续一系列验证问题却要丢给人类数学家，这其中的各个环节是否合理？ …… 此外，事件很快造成了数学界对大厂后台监控Prompt数据、窃取灵感并凭算力霸权抢跑截胡的强烈恐慌。 原本极度提倡开源共享的数学界濒临陷入寒蝉效应，研究者犹豫是否还能向对话框透露半成品思路。 大家会不会被迫从开放协作走向防御性闭门造车，造成学术生态的严重倒退？ 这些问题错综复杂，相关问题越探讨越多，越探讨越说不明白，以至于相关争议愈演愈烈。 总而言之，抓马事件引发的警示，以及余波带来的惊慌无措，说不完，也说不清。 大家爱玩的《三体》梗之一，是“不要回答，不要回答，不要回答”。 现在，所有困惑、担忧和揪心的点，只能化为一句—— 无法回答，谁能回答，到底该如何回答？ 25位菲尔兹奖得主联合声明的重点 数学这门科学的意义，不只是解题、证明与寻找新方法 声明中首先表明了数学家眼中的数学、数学问题、数学证明和数学研究等，原本应该是什么样的。 在数学家看来，一个著名数学问题长期以来更像一个地标和灯塔（landmark and lighthouse）。 数学家通过解决它来检验，人类对于某一片数学领域究竟理解到了什么程度。 因此，一道重大问题被解决之后，研究工作通常还会继续很久。 数学共同体需要理解新的证明、识别其中出现的新方法，把这些方法与已有知识连接起来，再通过报告、讨论、简化等过程逐渐消化。 最终，理想状态是把成果整理成研究生甚至本科生都可以学习的教材知识。 而且，有些数学思想还会继续传播几十年甚至几百年，最后变成普通人都能够理解和使用的工具。 solving problems is only a tool and proxy。 因此，求解问题仅是实现数学研究目标的一类工具与代理指标，数学研究更为重要的追求是概念理解与洞见（conceptual understanding and insight）。 一个好的问题既能训练研究者，也能指引研究方向、催生新方法，还能吸引众多数学家围绕它，逐步构建起相关的认知体系。 现状：AI商业目标与数学学科本质严重错位 如上所述，声明中表示数学的核心在于深入理解基本结构、获取概念洞察（…