10月20日，SAIR基金会在微博独家首发陶哲轩与邓煜的对谈《数学与AI究竟是什么关系？》，由SAIR主席、菲尔兹奖得主陶哲轩对话新晋菲尔兹奖得主、芝加哥大学数学教授邓煜。 邓煜今年7月刚与王虹分别凭借希尔伯特第六问题和三维挂谷猜想摘得菲尔兹奖。 两位隔着两代人的得主给出的答案不是“AI取代数学家”，也不是“AI拯救数学”：随着AI的介入，“已有证明的问题”与“我们能理解证明的问题”之间，划出了第二条边界。微博知乎哔哩哔哩
这场对谈回应的是半个月前的一场风波。“不久前，一家商业AI巨头一口气公开了700多份由内部模型生成的前沿数学证明”，全网第一反应是数学家要被取代。 但风波很快走向反面：批量发布的证明连发布方自己都无人充分理解，还因基本符号错误撤回了数篇预印本，文字证明与形式化的Lean代码严重脱节。 按公开信息，这批成果是10月6日一次性放出的722篇AI完成数学手稿，归为372组结果，后撤回3篇。微博哔哩哔哩知乎
发布一周多后，陶哲轩在Numberphile访谈里说，这三百来项结果他自己只看了大约10篇。 他的焦虑从来不是“AI不会做数学”，而是“人读不过来”。这也不是数学界第一次公开表态——今年9月，25位菲尔兹奖得主在联合声明里警告，AI太快解决重要开放问题会毁掉数学研究的“沃土”，数学真正重要的不是不断得到问题的答案，而是概念理解与洞见。知乎知乎
用陶哲轩自己的话说：以前一个证明来之不易，证明出来，理解也跟着来了；现在机器找到了捷径，证明多到淹没人，理解却没跟上。 把“理解没跟上”具体化的，是对思想源头的较真。陶哲轩在对谈中说，AI给出的答案有时无法一路追溯到源头，等于开始切断思想的传承链条；他点破了科技公司为何乐见这种失忆：它们想让人以为AI仿佛凭空解决了问题，没有借助任何前人的成果。知乎甲子光年
对这类批量发布的后果，两家媒体的剪辑留下了一句更狠的现场表述：AI正在产出“有毒废料”，最后还得数学家来“擦屁股”。 邓煜把不满指向透明度：能看到思维链时，人至少还能了解结果怎样得出、参考了哪些资料，现在连这些都看不到。 也正因如此，对谈节选中另一段把重心从工具移到了制度上：AI是工具，好坏都不是与生俱来的属性，真正重要的是围绕这种工具形成的整个体系，“保持开放”正是它必须具备的关键特质。智东西甲子光年知乎
值得注意的是，两人都不接受把争论写成阵营站队，对谈中都拒绝“支持或反对AI”的二选一。 他们给出的替代方案是SAIR的Open Math OS——一个以现有开源模型为基础构建的数学工具与协作框架。 陶哲轩还明确说，采访时他们还没有自己的新模型，平台先使用现有开放模型，他也肯定商业模型在文献检索上的能力。 这等于承认：开放数学模型不是再造一个闭源引擎，而是把工具的发展方向交还给使用它的共同体。微博哔哩哔哩哔哩哔哩
落到具体主张上，两人的侧重也不同。陶哲轩的关键词是增强人：AI要与人合作、真正帮助人而不是取代人，关键是增强人的能力，要设法为科学家提供工具。 他把AI比作汽车——到哪儿都开车会忘了怎么走路，但这不是放弃汽车的理由，要有意识、有分寸地使用。知乎知乎
社区对这场对谈的评价并不一致。知乎主问题下赞同数最高的回答认为，AI真正可怕的是“看一眼学会、第二眼超越”，以“当天下第一”为动机的人一定赢不了它。 另一条高赞回答则批评对谈只是复读市面上的常见观点，并给出一个更技术化的解释：大语言模型的突飞猛进，一部分恰恰来自模型上下文窗口能容纳的信息量远多于人的工作记忆。知乎知乎
还有一个标签需要拆掉。部分报道把这场对谈概括为呼吁数学“慢科研”。 这一概括与稍早的另一件事容易混淆：首批百余名AI学者发起了学生“慢科研”联合倡议，承诺不以论文数量选拔学生。 两者不是一回事：前者针对的是AI批量产出、无人消化证明的发布竞赛，要的是理解与署名追上产出；后者约束的是以论文数量论英雄的选拔机制。两件事相隔不到一周同时刷屏，恰好说明“科研太快”已经成了整个学术界的公共议题。知乎知乎
对不研究数学的读者，这场对谈留下了一把可复用的尺子：得到AI的答案之后，你是否更有能力解释、核查、提出下一问。两位得主的判断是，在AI时代真正塑造数学的人类能力，恰恰是提出有意义的问题、规划证明、引入新想法、寻找新的探索方向。 目前Open Math OS还没有自己的模型，这些主张能否落地，取决于数学共同体愿意多大程度参与工具的开发——答案本身，也在第二条边界的那一边。哔哩哔哩
