AI答对一道数学题，需要理解吗？陶哲轩的答案是需要——但他要的理解对象不是机器，而是人。一份没人能读懂的正确答案，即便通过了机器验证，也还没有真正变成人类的数学知识。这个判断写在他与25位菲尔兹奖得主9月11日发布的联合声明里：数学研究的核心目标是形成概念理解和新洞见，而非单纯给出"正确或错误"的答案。 10月上旬，陶哲轩领衔的人类数学协会（AHM）发布联合声明，敦促数学家停止与OpenAI的合作。 而由3Blue1Brown创始人Grant Sanderson在他博客撰写的客座文章《如果数学不仅仅是证明，我们需要更好地颂扬它的其余部分》，把这场持续一个月的争论在10月11日顶上热搜。界面新闻量子位新智元
答对不再稀缺，争议从"答案"开始
这场对峙并非突然爆发。早在2023年，陶哲轩就公开预测：到2026年，AI可能可靠到足以成为数学论文的合作者。今年1月这个判断还有待商榷，到8月他已认为它成为现实。进展确实快：1月，GPT-5.2Pro与形式化数学系统Aristotle联手拿下Erdős问题#728，证明最终由Lean验证通过。 5月，OpenAI内部模型的反例推翻了悬置80年的Erdős单位距离猜想；7月，供职于Anthropic的数学家Alpöge用Claude证伪了87年未解的雅可比猜想。量子位
真正的火药桶在9月8日：OpenAI宣布其内部模型通过约1万个Agent并发，仅用88小时就解决了纳维-斯托克斯方程这一千禧年大奖难题。而公告发布前几小时，纽约大学数学家Buckmaster与Anthropic数学家Alpöge刚发表同一方向的突破，公开指责OpenAI"抢跑"，并质疑对方是否动过他们的未公开研究。 三天后，陶哲轩发布那份题为《人工智能在数学中的严重错位》的公开信，通篇没有点名，但《经济学人》的报道标题写得很直白：《顶尖数学家对OpenAI的做法感到愤怒》。智东西
他怕的不是答错，是"没人能懂的答对"
在今年前沿与先锋研讨会的对谈中，陶哲轩给出了形容这场争议最贴切的比喻：做数学像徒步去远方，AI是一架直升机，把你空投到答案附近，可一路上修的路、画的地图、发现的联系，比终点更要紧——一个证明就算验证正确了，如果没人能讲明白它到底是怎么回事，它还不算真正变成了人类的数学知识。 他在Mathstodon上把这种调整概括为从Math1.0到Math2.0：过去数学界过度看重"谁先解决了某个公开问题"，现在该更重视解释说明、社区建设和开辟新方向。他甚至把机器批量抢发成果称为"不可逆的污染"：一个问题一旦被宣称解决，就再也回不到未解决的状态，即使只是知道答案存在，也会污染其他可能带来更深刻洞见的研究路径。 陶哲轩与数学家黑尔斯真正警惕的，不是AI比人类更快地证明定理，而是数学正在逐渐失去"有可靠理由相信答案是真的"这一核心价值。量子位量子位腾讯科技
更硬的事实：今天的"答对"本身还不稳
如果争议只是哲学层面的，数学界不至于这么大动静。更硬的现实是，许多"正确答案"自己还没站住。10月6日，OpenAI在GitHub一次性放出722篇内部模型生成的数学手稿，涵盖372个结果系列和约4000个测试问题，公布一天之后其中3篇即被撤回。 研究者LiamPrice用GPT-5.4Pro攻下悬置已久的Erdős第1196号问题，最初的AI证明却像天书，人类的理解并没有因此推进，随后由包括陶哲轩在内的多位数学家接手破译、提取核心思想，才整理成人类可读的论文。腾讯科技新智元
验证链条自身也在漏水。2026年夏季，Lean接连暴露出多个健全性漏洞（Soundnessbugs），被圈内称为"健全性漏洞之夏"：7月，一份AI协助下声称"证伪考拉兹猜想"的形式化证明，同时被内核和独立检查器接受，几天后才发现它钻了内核处理嵌套归纳类型时的实现缺陷，让系统错误地接受了矛盾命题。 而站上千禧难题领奖台的，其实还未得到正式承认——那份纳维-斯托克斯方程的证明至今未经同行评审，按克雷数学研究所的规则，解题者要先在同行评审期刊发表成果、再经过两年考察期。 批了700多份天书式草稿的发布被理论计算机学者称为"数学界的末日浩劫"；把大量算力换成"对错判定"的速度，正在变成一笔没人来得及消化的验证债。腾讯科技智东西
对面的人：答案和理解，未必是矛盾
数学家这边也不是铁板一块，AI阵营更不会认输。OpenAI前后训练VP LiamFedus很快回应：他赞同陶哲轩对概念理解的重视，但认为未来的AI不仅能解决问题，还能提出有价值的洞见、建立新的概念框架，让数学家在此基础上继续探索。 分歧更直观的体现是人：今年新科菲尔兹奖得主Tsimerman在7月宣布离开多伦多大学加入OpenAI，理由是他判断AI很快会把数学家的活干得"更快、更好"，他没有在联名信上签名。 图灵奖得主杨立昆的态度更彻底：形式证明会大幅自动化，重点转向发展新概念、新抽象、新定义和新猜想，就像船的发明降低了游泳的重要性，却让人类发现了新大陆。 两边其实有一个共识：数学不能只剩答案。真正的分歧只在于，"理解"这件事能否由机器继续生产出来，以及眼下的速度是否等得起那一天。量子位智东西量子位
冲上热搜的文章，真正想改的是评价规则
让博客顶上热搜的那篇文章，把"理解"落到了更实际的地方。Sanderson的判断很直接：当AI在没有任何"理解"的情况下也能生成证明时，"证明"作为衡量指标的价值就被彻底削弱了。 他因此提出给"阐述"以正式地位：把"动机阐释"——讲清一个概念为什么被发明、一个定理为什么成立——写进博士答辩与终身教职的评价标准，呼吁建立"开放式阐释问题"清单（这个概念早在2007年就由数学家TimothyChow提出），让教科书式阐释与顶刊论文平起平坐。评论区里，有学者提议把数千页、连许多专业数学家都无法完全理解的"有限单群分类"列为第一个"千禧年阐释问题"：趁还来得及，训练人类"消化"宏大城市般证明的能力。新智元
数学界内部对转向"阐述"也有真实的忧虑：怕它埋没布尔甘那种写作粗犷、解题核弹级的天才。陶哲轩本人下场回应说，布尔甘牺牲阐述而专注解题，是那个时代奖励机制的"后果"，而不是这套机制合理的"证明"。物理学家Zdeborova的嘲讽则一针见血：25年来理论物理学家总被告知"那不叫数学"，因为优先考虑理解而非严格证明——欢迎来到他们的世界。而陶哲轩的警告之所以有分量，在于他恰恰是用AI最勤的那个数学家：上台前一分钟他还在让AI生成Sendov猜想的证明，冲上热搜的前一个周末，他还在为自己提议的SAIR开源数学模型项目招兵买马。他罕见地发出严重警告：必须放缓AI，现在的速度简直疯了，根本没有理由这么快。 他要放缓的不是用AI，而是把"谁的题解得又快又多"当作唯一标尺的竞赛。新智元
回到热榜上的问题：AI答对，需要理解吗？陶哲轩的回答是分层的——AI不需要理解也能答对，今天它已经做到了；但答对不会自动变成数学。答案可以空投，理解必须亲走。接下来值得盯住的节点有三个：纳维-斯托克斯证明能否通过同行评审与两年考察期；"开放式阐释问题"清单会不会真的发布；AHM的抵制能否改变AI公司与数学界的合作方式。无论结果偏向哪边，有一点已经清楚：当"做对"变得廉价，为答案负责的人，才是新的稀缺品。
