数学家会被 AI 取代吗？

几个世纪以来，一些最重要的数学问题之所以有价值，正是因为没有人能解决它们。它们是衡量人类智慧的标尺，是推动数学进步的引擎。但现在，AI正在改变这一切。

在数学界经历了一个非凡的星期之后，25位菲尔兹奖得主发表联合声明，警告AI公司的目标与数学本身之间存在"严重的错位"。这不仅仅是一个技术问题，这是一个关于数学本质和人类智力未来的深刻问题。

1、AI如何改变数学研究

AI系统现在可以解决高级竞赛问题、协助证明、形式化论证、生成实验代码、探索庞大的示例空间，并发现隐藏的模式。

真正让这一刻与众不同的不仅仅是AI产生了答案。它产生了有效的数学论证，其形式可以逐步检查。结果不是猜测，也不是模式匹配。它是某种明显接近证明的东西。

这并不意味着系统以人类的方式理解数学。但它表明AI已经跨越了一个门槛。它不再局限于计算。它现在可以在某些情况下，在数学推理本身的结构中运作。

新一代AI系统远远超出了算术或符号操作的范畴。它们可以阅读数学文本、生成证明草图、通过代码探索示例、搜索文献，并提出类似于实际研究的推理路线。

它们仍然不可靠，仍然可能产生自信但错误的结果。然而，它们不再是数学之外的东西，它们是数学的一部分，即使不在中心。这就是为什么数学家既感到兴奋又感到不安。

严重的问题是AI正在开始自动化某些类型的专家级日常工作。这并不意味着AI突然能够按需产生深刻的概念革命。这意味着它越来越能够执行以前需要知识渊博的专家才能完成的任务：检查案例、应用已知技术、生成相关计算、提出可能的证明策略，或执行技术性步骤——这些步骤是真实的，但并不特别有创造性。

如果一台机器能够解决曾经需要多年训练才能解决的问题，那么这种训练的价值会发生什么？如果它能够比任何人更快地生成证明、测试想法和探索案例，那么什么仍然是独特的人类工作？

AI系统可以扫描大量问题家族、测试已知技术、生成示例、探索变体、编写代码，并以远超人类能力的规模提出可能的路线。人类研究人员然后在解释重要的地方介入，在必须判断、完善和连接想法以形成有意义内容的地方介入。

困难不再主要在于产生想法。而在于处理随之而来的问题。问题变成了 overload。我们如何在大量看似合理但不可靠的输出中检测真正的进步？我们如何区分深层结构和表面模式？

瓶颈已经转移。挑战不再是产生想法。而是识别哪些想法重要。

一个错误的证明不是接近成功，它只是错误。当前AI尤其棘手的是，它的错误通常并不明显。一个证明可能看起来很精致，使用正确的术语，但仍然包含错误。

这就是为什么形式化证明系统（如Lean）变得如此重要。Lean是一个证明助手，一个软件系统，其中数学陈述和证明以精确的形式语言编写，以便计算机可以检查每个逻辑步骤。它提供了一种将生成与验证相结合的方法：让AI提出，让系统检查。

这是一个揭示性的时刻。即使在数学的最高层次，一些论证也变得如此复杂，以至于没有人能够完全自信地检查每一个步骤。形式化证明系统提供了一种不同类型的确定性，它不依赖于直觉或信任，而是依赖于对每个逻辑步骤的明确验证。

传统的数学写作留下了许多隐含的内容。专家知道哪些步骤是常规的，哪些是微妙的，哪些在做真正的工作。形式化证明系统强制每个步骤都以明确的形式出现。这可能感觉乏味，但它也改变了可见性。一旦一个证明被完全形式化，人们就可以以普通阐述通常模糊的方式检查其内部结构。

这开启了一个有趣的可能性。未来的数学家可能不仅证明定理。他们还可能分析机器产生的证明，识别真正新颖的引理，提取底层策略，并将整个论证重写成更清晰的概念框架。从这个意义上说，可能会出现一层数学工作，专门用于压缩、解释和概念蒸馏。

在大规模应用已知技术和创造真正新的数学之间存在区别。许多问题可能简单地产生，因为没有人尝试过现有方法的正确组合。如果AI能够有效地探索文献，它可能会解决许多这样的情况，并清理那些被忽视而非深刻的问题层次。

AI能做到吗？也许最终可以。目前尚不清楚当前系统是否能够构建这种突破所需的累积概念结构。它们可以重新混合已知策略，有时找到令人惊讶的路径，但真正的突破不仅仅是一个结果，它是思维的重组。

一个常见的恐惧是，如果AI接管更多的技术工作，数学家将变得过时。但这假设数学劳动与数学价值相同。历史表明并非如此。随着计算器、符号系统和数值软件接管日常任务，数学并没有消失。它向上移动了。人类角色转向建模、解释、策略和抽象。

同样的事情可能再次发生，在更高的层次上。未来的数学家可能花更少的时间在日常推导上，花更多的时间在制定问题、判断哪些想法重要、从大规模探索中提取结构，以及跨领域连接概念上。他们将越来越多地在结合计算、形式化证明和AI辅助探索的混合环境中工作。

这种转变已经在课堂上可见。如果AI可以解决标准问题集，那么解决问题就不再是重点。焦点转向解释、判断和理解，不仅展示结果是正确的，而且展示它为什么有效以及在哪里适用。

留给人类的不是更少的数学。而是需要意义的那部分数学。

AI可能最终属于那个列表。不是因为它为我们证明了每个定理，不是因为它使数学家变得不必要，而是因为它改变了探索与验证之间的平衡，常规技术与概念洞察之间的平衡，人类深度与机器广度之间的平衡。

它可能改变问题的选择方式、证明的书写方式、猜想的形成方式、学生的培养方式、文献的搜索方式以及协作的方式。这不是局部的调整。这是数学生态系统的转型。

在一个正确步骤廉价、可能性丰富、验证部分自动化的世界中，什么样的数学会变得更加重要？

机器可能成为强大的工具。它们甚至可能成为强大的合作者。但对理解的追求，对不仅知道某事是真的，而且知道它为什么属于更大结构的渴望，仍然感觉是深刻的人类的。

汇智网翻译整理，转载请标明出处