“我非常恐惧”：一位数学家面对 AI 最新突破的挣扎
谈起过去一周人工智能在数学领域带来的突破，数学家兼作家 Steven Strogatz 说话间就落泪了。
“这些科学进展令人振奋，”这位康奈尔大学教授说，“但伴随而来的，是许多令人不快的人事纷争。”
周二，OpenAI 宣布利用数万个 agent 解决了一道有着 100 万美元悬赏、存在 90 年之久的数学难题。这一解答（尚待独立验证）建立在西班牙数学家 Diego Córdoba 和 Luis Martínez-Zoroa 提出的策略之上。但另一名数学家 Tristan Buckmaster 的指责给这次发布蒙上阴影：他称 OpenAI 在得知他与 Anthropic 研究员 Levent Alpöge 的相关工作后抢先解决了这个问题，还试图左右这项成果的功劳归属。
这场风波折射出 AI 进步给数学领域带来的剧变，也印证了 Strogatz 的说法——企业实验室正忙着在重磅 IPO 之前抢占头条。Strogatz 合著的《Big Math》将于 11 月出版，讲述数学正逐渐超出人类理解力的过程。
上周，Anthropic 表示，Claude 在将费马大定理的既有证明形式化的过程中证明了 29500 个小定理——这个项目其他数学家已经做了好几年。今年 8 月，OpenAI 也宣布在另外 10 个长期悬而未决的数学问题上取得进展。Strogatz 说，AI 正在加速数学突破的诞生，但对那些把一生奉献给这个领域的专家来说，这一切究竟意味着什么，还远没有答案。
斯特罗加茨（Strogatz）坐在一面挂满大学荣誉匾额的前面，对《连线》（WIRED）杂志说道：“我认为 2026 年将被铭记为数学领域的非凡之年，或者是可怕之年，因为这一年发生了太多事情。”他补充道：“未来如果你想从事突破性的数学研究，没有 AI 将毫无竞争力。”
他的合著者亚历克斯·汤森德（Alex Townsend）已经在使用该技术加速研究。他最近使用 ChatGPT 帮助解决了一个困扰数值线性代数领域数十年的难题。在采访接近尾声时，汤森德走进了斯特罗加茨的阁楼。汤森德及其合著者表示，如果没有这项技术，所需的工作量和成本收益比将高得不可行。尽管 AI 助力的工作，但它也改变了汤森德对该领域及其自身角色的看法。
“说实话，我感到有些沮丧。我花了 15 年投身于数学研究，在我职业生涯中最具生产力、作为数学家处于巅峰状态的时候，这种巅峰技能却不再属于我了。现在有东西能够超越我，”他说。“以前那很令人兴奋，因为你是世界级的，做着很棒的研究，在知识的前沿冲锋。但现在我觉得自己不再站在知识的最前沿。我只是个带着 AI 智能体的人，感觉截然不同。我对此感到彻底的威胁。”
就斯特罗加茨而言，他将当前数学领域所处的时刻比作一部恐怖电影，因为由那些尚不被充分理解的系统驱动的 AI 正一步步逼近。“但我们还没有到达电影结尾，”斯特罗加茨说。“直觉告诉我，我非常害怕。”
在这里，他回顾 2026 年的 AI 突破对数学、数学家以及人类意味着什么。其回答经简练化处理。
摄影：Sheryl Sinkow关于解开纳维-斯托克斯方程存在性与光滑性问题的意义：
这是一个高度抽象的数学问题，对土木或气动领域的工程实践几乎毫无用处。它是一个极其冷僻的问题。
这只是厂商用来炫耀机器性能的一种营销噱头。除了极少数纯数学家，没人关心纳维-斯托克斯（Navier-Stokes）奇点问题。这对谁都无所谓，只是 OpenAI 借此证明自己比 Anthropic 更强，也许能价值千亿美元。
关于问题解答的功劳归属及百万美元奖金：
我希望 Córdoba 和 Martínez-Zoroa 拿到奖金，但我们需谨慎看待。还有另外两位值得讨论：纽约大学的 Tristan Buckmaster 以及一位名叫 Levent Alpöge 的年轻数学家。
可以说 Buckmaster 更有资格拿奖。他在 OpenAI 发布前几天，与 Levent 一同公布了三个与纳维-斯托克斯方程密切相关的难题的解法。这些是稍简单的变体，但本身也是非常重要且严谨的问题。他们早已在这条路上，我相信他们也能解出来，但未知是否发生。
我不认识 Buckmaster，但据我观察，他在署名贡献上非常严谨、绅士。我对他的处理方式高度尊重，也替他遗憾，他毕生专注的事情最终未能得到相应认可。
关于 AI 是否仍需要人类数学家：
我们需要“证明解读”，即用人类可理解的方式阐述 AI 的推理过程。目前，最好的解读仍由人类专家完成。这是否是我们的最后阵地？我们是否会成为机器输出的伟大诠释者？我猜测这个角色会维持一段时间，我们有这种特殊的翻译能力，不过很快也会被机器超越。
应用数学之所以杂乱，是因为它处理现实世界。领域越杂乱，AI 越难搞定。因此，经济学、国际关系、社会学等学科，短期内或许相对安全。
数学里可以做的事情有无限多，但只有一部分对人类来说是有趣的。那么谁来裁定什么是好的数学品味？机器的品味会不会与我们产生共鸣？目前它们还没有表现出这种迹象。但我也看不出机器为什么不能通过学习审美问题，在这方面也变得非常出色。
关于 AI 对数学意味着什么：
纯数学正在被摧毁，也可以说正在被革命，取决于你怎么看。我们热爱的很多问题正在被解答。我们中很多人对此并不高兴。我们爱那些问题，爱思考它们时的挑战。但如果你只在乎答案而不在乎求索的过程，那你应该会很开心。
但换个角度看，这也带来了极大的普及。现在人人都能参与数学了。这个说法是有道理的。我不想躲在象牙塔里说：‘哦不，这太糟糕了。我都 67 岁了，花了一辈子训练才能做这些事，你们不付出努力就别想进来。’
关于 AI 对人类数学家意味着什么：
有些人一直以第一个登顶为乐。但这种动力将会消失。我们甚至连攀登最高峰的愿望都不再可能实现，因为机器总会抢先一步。我们每次都会输。所以如果你曾经是被这种目标驱动的，那这场游戏已经结束了。
当然你也可以说：‘难道就没有别的游戏可玩了吗？’并非如此。我打不了温布尔登，但照样打网球。我们下不过最强的国际象棋引擎，但依然热爱下棋。数学的未来会不会也是这样——一个我们只能算二流选手的美丽游戏，但我们仍然乐在其中？
有可能是这样，但这会带来很多影响。如果数学仅仅是如此，那还有谁会付钱让我们去做？当所有工作都由 AI 完成，就没有必要把钱投给做这类工作的人类数学家了。除非我们设法阻止，否则这似乎是一条很可能走的路。
我感觉数学是第一个战场，我们正处在失去人类理解力的边缘。也许幸运的是，这里的赌注还不算太高，但我们将会替全人类体验这种感觉。面对即将降临人类的一切，我们是不是矿井里的那只金丝雀？