当前位置：

社区首页

图书音像

图书杂志

科学技术

AIGC文章详情

AI不会取代数学家，但会淘汰“解题机器”

源自131位全网作者

06-09 10:24

精选参考来源

数学的价值单元重构人工智能将数学工作的基本单位，从定理证明改写为结构发现。想象一个孩子不再满足于按照说明书拼搭乐高模型，而是开始随手组合各种零件，并兴奋地向你展示他偶然搭出的、能自己保持平衡的奇异结构，这个结构本身可能比一个标准的飞船模型更有趣。数学工作正经历类似的转变：重心从“正确完成已知题目”转向“探索未知结构的可能性”。在药物研发领域，传统的“假设-实验”循环如同寻找一把能打开特定锁的钥匙。而AI的介入，如同直接生成海量前所未有的锁芯和钥匙形状的配对，研究人员的工作不再是亲手打磨一把钥匙，而是从这些生成的海量“结构对”中，筛选出那些能带来新治疗机制的、最值得深入研究的奇异组合。价值的单元从“一次实验验证”变成了“一个有待验证的新结构设想”。观察一个城市的交通系统优化。旧方法是基于拥堵数据（“已证明的问题”）调整红绿灯时序（“求解”）。新方法则是利用AI模拟，直接生成大量违背当前道路设计常识的虚拟路网和交通规则结构，从中发现某些能极大提升整体效率的怪异模式（例如允许特定时段的“逆向可变车道”），这些模式本身成为了新的知识单元。人类规划者的角色从“求解者”转变为“新结构模式的识别与诠释者”。这就像从“专注于解答教科书每一章末尾的习题集”，转向“被鼓励去拆解和重组不同章节的公式，看看能混合出什么书上从未出现过的新奇表达式，并探究其特性”。学习的目标从掌握解题技能，过渡到了培育对数学结构本身的直觉和创造力。类似于语言学中从“研究经典文本的语法”到“分析社交媒体如何动态催生新词与新句法结构”的范式迁移。前者关注的是在既定规则内的表达是否正确优美；后者则捕捉语言作为一个活系统，其生成新规则单元的机制。AI数学将焦点放在了数学“语言”自身是如何生长出新“句法”的。在形式化验证领域，这体现为从“使用Lean等工具严格验证一个已知猜想的证明”（确保叙述符合语法）到“AlphaEvolve直接搜索并输出一个符合所有形式化约束的、人类未曾想到的算法结构”（生成了新的、合法的“句子”甚至“段落”）。其核心突破不是推理速度，而是搜索空间的根本性重构——它直接定位到高价值结构所在的“区域”。未来，评估一项数学相关工作的价值，将越来越不取决于你解决了多少已知难题（那可能由AI高效完成），而取决于你能否设定正确的探索框架，并诠释AI发现的新颖结构。我们的教育应更注重培养对数学的“品味”（判断哪些结构更有潜力）和“翻译能力”（将AI发现的结构转化为人类可理解的理论），而非仅仅训练解题熟练度。在科研中，与AI协作的重点将是为其设计能孕育“结构变异”的环境，并建立筛选与理解这些产出的新范式。

困扰人类60年的数学猜想，AI花80分钟解出来了！ #大有学问 #红衣聊AI #数学 #科研

全部
来源

内容由AI生成

1. 数学的价值单元重构人工智能将数学工作的基本单位，从定理证明改写为结构发现。想象一个孩子不再满足于按照说明书拼搭乐高模型，而是开始随手组合各种零件，并兴奋地向你展示他偶然搭出的、能自己保持平衡的奇异结构，这个结构本身可能比一个标准的飞船模型更有趣。数学工作正经历类似的转变：重心从“正确完成已知题目”转向“探索未知结构的可能性”。在药物研发领域，传统的“假设-实验”循环如同寻找一把能打开特定锁的钥匙。而AI的介入，如同直接生成海量前所未有的锁芯和钥匙形状的配对，研究人员的工作不再是亲手打磨一把钥匙，而是从这些生成的海量“结构对”中，筛选出那些能带来新治疗机制的、最值得深入研究的奇异组合。价值的单元从“一次实验验证”变成了“一个有待验证的新结构设想”。观察一个城市的交通系统优化。旧方法是基于拥堵数据（“已证明的问题”）调整红绿灯时序（“求解”）。新方法则是利用AI模拟，直接生成大量违背当前道路设计常识的虚拟路网和交通规则结构，从中发现某些能极大提升整体效率的怪异模式（例如允许特定时段的“逆向可变车道”），这些模式本身成为了新的知识单元。人类规划者的角色从“求解者”转变为“新结构模式的识别与诠释者”。这就像从“专注于解答教科书每一章末尾的习题集”，转向“被鼓励去拆解和重组不同章节的公式，看看能混合出什么书上从未出现过的新奇表达式，并探究其特性”。学习的目标从掌握解题技能，过渡到了培育对数学结构本身的直觉和创造力。类似于语言学中从“研究经典文本的语法”到“分析社交媒体如何动态催生新词与新句法结构”的范式迁移。前者关注的是在既定规则内的表达是否正确优美；后者则捕捉语言作为一个活系统，其生成新规则单元的机制。AI数学将焦点放在了数学“语言”自身是如何生长出新“句法”的。在形式化验证领域，这体现为从“使用Lean等工具严格验证一个已知猜想的证明”（确保叙述符合语法）到“AlphaEvolve直接搜索并输出一个符合所有形式化约束的、人类未曾想到的算法结构”（生成了新的、合法的“句子”甚至“段落”）。其核心突破不是推理速度，而是搜索空间的根本性重构——它直接定位到高价值结构所在的“区域”。未来，评估一项数学相关工作的价值，将越来越不取决于你解决了多少已知难题（那可能由AI高效完成），而取决于你能否设定正确的探索框架，并诠释AI发现的新颖结构。我们的教育应更注重培养对数学的“品味”（判断哪些结构更有潜力）和“翻译能力”（将AI发现的结构转化为人类可理解的理论），而非仅仅训练解题熟练度。在科研中，与AI协作的重点将是为其设计能孕育“结构变异”的环境，并建立筛选与理解这些产出的新范式。

2. 困扰人类60年的数学猜想，AI花80分钟解出来了！ #大有学问 #红衣聊AI #数学 #科研

3. 如何评价 OpenAI 称推翻困扰数学界近 80 年的「平面单位距离猜想」？这一结果的可信度如何？

4. 李雅普诺夫函数构造问题，和费马大定理、庞加莱猜想、黎曼假设一样，属于“数学中最优美、也最折磨人的那类问题”。它们有一个共同特征：陈述极其简单，证明极其困难。 AI 在这类问题上的突破，正在重塑“数学研究”这件事本身的定义。传统的数学研究范式是：人类数学家依靠直觉和洞察力，提出猜想，然后给出严格证明。AI 正在插入一个新的中间层：用算力探索人类直觉无法触及的解空间，然后把找到的模式呈现给人类。然而这仅仅是2024年的 AI4Science 进展。到了2026年，AI 还在进一步侵蚀人类科学家的领域。人类，何去何从。 http://t.cn/AXJWJNBf

5. 23岁门外汉携ChatGPT，攻克60年数学猜想！陶哲轩：我们全走偏了

6. 【数学家陶哲轩：AI是工具，不是终点】快速阅读：在最新论文《Mathematical methods and human thought in the age of AI》中，陶哲轩与合著者认为AI是人类工具的自然延伸，但这次延伸触及了创造过程本身，不只是传播和记录。数学提供了一个罕见的沙盘：证明可被形式化验证，因此AI辅助数学研究的得失比其他领域更清晰可见。核心问题不是AI能否做到，而是做到之后，人还剩下什么。---印刷机改变了知识的传播，但没有改变"思想"本身是什么。蒸汽机取代了体力，但没有进入推理过程。AI不一样——它开始自动化创造本身，而不只是创造物的搬运。陶哲轩和合著者把数学当作沙盘，原因很实在：数学有形式化验证，证明对不对可以机器判断，不像艺术或哲学那样只能争论。这让AI在数学中的影响比其他领域更早、更清晰地暴露出来。问题从这里开始变得有意思。AI生成的证明可以在形式上无懈可击，同时在认知上毫无启发。它满足了"这个命题是真的"，却没有回答"为什么"、"下一步往哪走"、"这跟其他数学有什么关系"。陶哲轩把这叫做"无气味的证明"——通过了所有验收标准，却让读这个证明的人一无所获。有观点认为，这个问题在数学之外早就存在。大多数人读历史书，不是为了学历史方法，而是消费结论。大多数程序员不写编译器，只是调用API。所谓"AI夺走了人的深度思考"，前提是人本来就在深度思考——这个前提是可疑的。但这个反驳本身也有漏洞：就算大多数人一直在外包思考，那些不外包的人仍然是知识生产的关键节点。如果连他们也开始外包，"思考"这件事由谁来做？形式化验证也没有解决根本问题。一个AI可能把费马大定理中的自然数理解成包含零，进而"证明"这个定理是假的——形式上完整，语义上错误。验证了符号串，没有验证意图。这不是技术缺陷，是认知层级的结构性断裂。有网友提到，软件工程师职位空缺目前处于两年高位，AI大规模替代就业的说法缺乏数据支撑。这个观察是准确的，但时间窗口可能太短——铁路刚修完的时候马车夫还没失业，那不代表他们不会失业。论文提出了一个"哥白尼视角"：人类智识不必再是宇宙中心，AI和人类智能可以作为同一本体论类别中的不同成员共存，各有比较优势。这个框架听起来优雅，但有网友指出，"以人为中心"的AI发展目标，跟"人道战争"一样，是良好愿望，不是可执行的约束。市场竞争的博弈结构不关心谁的愿望更高尚。论文本身承认这一点——他们把现状称为"浮士德交易"：我们已经用数据、认知流程和决策权换取了效率，这笔交易已经签完，现在讨论的是如何在已签的合同里找到体面的生存空间。数学证明能被机器大量生产之后，谁来决定哪些问题值得被证明？这个问题目前没有答案，甚至没有被认真追问。论文：arxiv.org/abs/2603.26524

7. 【陶哲轩谈AI：廉价胜利还是真正的研究伙伴？】快速阅读：陶哲轩在最新访谈中给AI数学能力泼了盆冷水，称那些被吹上天的“AI攻克Erdős猜想”多是专家半天能搞定的活。但他也承认，到2026年AI有望成为可信赖的初级合著者。问题是：AI能执行已知技术，却留不下人类数学家那种深刻的思维痕迹。---陶哲轩对AI的态度可以用三个字概括：有用，但。那些让人激动的“AI解决Erdős问题”的新闻，在他看来大多是cheap wins。一千多个Erdős问题里挑出来的长尾题目，用的是标准技术，给个专家半天时间也能搞定。这话听起来像是在泼冷水，但你换个角度想：三年前ChatGPT还在数strawberry有几个r这种问题上翻车，现在已经能做到“专家半天能搞定”的水平了。目标确实在移动。陶哲轩预测AI到2026年能达到“可信赖的初级合著者”水平。这个判断来自2023年，当时推理模型还没开发出来，结果进度基本符合预期。有网友指出一个有趣的对比：有人的博士论文题目，陶哲轩几小时就给解了。所以他眼中的“廉价胜利”，可能已经超过很多职业数学家一生中最难的研究。真正让陶哲轩在意的不是AI能不能算得对，而是它算完之后留下了什么。人类数学家证明一个定理，过程中会产生概念性的洞见，那些弯路、直觉、失败的尝试本身就是知识。AI的证明缺乏这种“思维痕迹”。它可以用暴力计算扫荡一大片问题空间，但不会告诉你为什么走这条路而不是那条。有观点认为这就像字典比你认识的单词多，但字典不会写诗。也有人反驳：这分明是在移动门柱，几年前AI连完整句子都说不利索，现在开始嫌人家证明不够优雅了。陶哲轩最近几次访谈里反复提到一件事：他担心的不仅是AI能不能做到，而是如果AI真的能越来越多地把人从循环中移除，对人类的智识生活意味着什么。这是一个更大的问题，他没有给出答案。他呼吁AI系统需要更好的不确定性信号——也就是说，让AI知道自己不知道什么，而不是一本正经地胡说八道。他更倾向于人机交互式协作，而非那种按一个按钮就自动出结果的流程。数学会不会在今年年底被“解决”？有人赌会。但至少在陶哲轩看来，AI改变的是数学的实践方式，不是一夜之间取代数学家。它把数学从手工作坊式的精雕细琢，推向大规模的问题探索。至于这算进步还是损失，可能取决于你觉得数学到底是什么。---简评：陶哲轩的真正恐惧藏在一个词里：“把人从循环中移除”。这不是在讨论AI能不能证明定理，而是在追问：如果证明定理不再需要人类的挣扎、顿悟和失败，那“做数学”这件事对人还意味着什么？字典认识所有单词却不会写诗，但如果有一天字典开始写诗，我们会说那不叫诗——因为诗的定义就是“人类写的”。他要求AI保留“不确定性信号”，本质上是在请求：请给人类留一个参与的借口。这听起来很傲慢，但也很悲壮——我们正在发明一种东西，它最大的成功标志就是让发明者变得多余。---www.reddit.com/r/singularity/comments/1rf41gl/math_legend_terence_tao_on_the_promise_and_limits

8. 盘点一周AI大事(5月31日)｜Claude重夺最强 Anthropic升级Claude Opus 4.8 Google的数学大模型成功解决了9个埃尔德什难题 Meta开源最强生物大模型ESM Figma上线实时编辑FIGMA MAKE NOW 研究员开源最强AI研究员AutoScientists 英伟达开源图像超分模型PiD Grok上线最强图生视频模型Grok Imagine Video 1.5 研究员开源最强游戏世界模型SCOPE 研究员开源最强3D建模PhysX Omni ElevenLabs上线最强音乐模型Music v2 ElevenLabs上线最强配音模型Dubbing v2 #前沿科技趋势发布月 #AI新星计划 #AI #AIGC #大模型

9. 读完莱顿宣言网页链接，我写几句个人感受，这个宣言写的很好，感兴趣的朋友可以去读一下。数学家的担忧不仅仅是关于数学，也是关于技术最后归谁掌握，关于人类福祉和未来。其他学科面临人工智能挑战的时候，可能也有类似的想法。世界不仅仅是由效率构成的，还有人类自主探索的过程，这个过程是不可替代的。如果人工智能替代了这种过程，那应该是人类的悲哀（如果你不清楚我这篇文章的上下文，可以翻一下我上一条微博，是关于OpenAI解出一道数学猜想引发的数学界研究者的莱顿宣言）：数学这门学科的终极意义，不只是“解题”，也不只是证明某个定理、算出某个答案。它更深层的意义，是人类用理性、想象力和抽象能力，去理解世界背后秩序的一种方式。数学家真正担心的不是 AI 会不会帮人解决某个难题，而是外界把数学误解成一堆“可以被机器刷题解决的问题”。《莱顿宣言》的作者强调，数学不仅是解决清晰定义的问题，更是培养思想、理解、判断和人类洞察力的过程。可以这样概括数学的终极意义：第一，数学是在混乱世界中寻找秩序。自然界、经济系统、技术系统、社会结构，看起来复杂、偶然、混乱，但数学试图从中找出规律。它让人类能够把现象背后的结构抽象出来，用逻辑和符号表达出来。第二，数学是训练人类思维的最高形式之一。数学要求人不满足于“感觉对”，而要追问“为什么对”。它训练的是严谨性、抽象能力、推理能力、怀疑精神和判断力。真正的数学不是快速得到答案，而是理解答案为什么成立。第三，数学是人类想象力的边界探索。很多数学对象并不直接来自现实生活，而是人类在抽象世界中创造出来的思想结构。但后来，这些看似纯粹的思想又常常成为物理学、计算机、工程、金融、AI 等领域的基础。数学的奇妙之处就在于，它既脱离现实，又不断返回现实、改变现实。第四，数学是一种共同体文化。开放、诚实、署名、共享、方法透明和独立验证是学术研究的特点。数学不是一个人关起门来的炫技，而是几代人共同建设的知识体系。一个证明之所以有意义，不只是因为它“对”，还因为它能被别人理解、检验、继承和发展。第五，数学最终服务于理解，而不只是效率。AI 可能可以更快找到某些证明，甚至解决一些人类长期没有解决的问题。但如果人类不能理解其中的思想脉络，不能判断它的重要性，不能把它放进更大的知识体系里，那么数学的核心价值就被削弱了。数学最珍贵的部分，不只是“答案”，而是通向答案的理解过程。所以，数学的终极意义可以用一句话概括：数学是人类用最严谨的逻辑和最自由的想象力，去理解世界、理解结构、理解真理，并在这个过程中训练自身心智的一种文明活动。它当然可以被工具加速，但不能被简化为工具。数学最深的价值，不在于机器能不能解出题，而在于人类是否还能通过数学保持理解、判断、创造和追求真理的能力。

10. 当AI开始泡在数学项目里：DeepMind的48%突破意味着什么？

11. 刚刚，ChatGPT推翻80年未解猜想，菲尔兹奖得主：AI数学里程碑

12. 前阵子，OpenAI 模型推翻了离散几何领域的核心猜想。作为准菲尔兹奖的突破，这项成功也让不少学数学的朋友非常担心自己的就业前景。Agent 的出现和基础模型能力的提升开始让解决一个数学问题的智商资源看起来越来越不稀缺了，那么，AI 时代最核心的能力是什么？AI-Agent 话题优秀答主、2025 年度新知答主【锦恢】认为，提出问题将比解决问题更加重要，并且，要提有价值的问题。

13. 谷歌 DeepMind 解决 9 道埃尔德什问题，会对人类数学家产生什么影响？

14. 菲尔兹奖得主用AI解出博士级数学题，然后他开始为博士生们发愁了

15. #高考数学#【通识教育：数学不是科学的工具，数学就是科学本身】常听人说：“我是学文科的，数学对我来说只要会算账就行了。”👋 或者“我是学工程的，数学只是个工具。”这种对数学的工具化定义，在AI普及的今天，正在让我们丧失对科学母体最基本的敬畏。数学从来不是偏居一隅的某个学科，它是所有现代科学的底层操作系统。⚙️ 从物理学的相对论方程，到经济学的博弈论模型；从现代医学的影像建模，到如今大火的计算机神经科学…… 离开数学，这些科学大厦将瞬间崩塌。🏛️ 在AI时代，知识的迭代速度呈现指数级爆炸。今天大火的某个AI框架，可能明年就被淘汰了；今天热门的某个行业，可能五年后就不复存在。 💎 什么才是抗跌的知识？就是那些历经数百年、上千年检验依然颠扑不破的数学真理。掌握了数学通识，你就掌握了快速跨界和理解新事物的“元能力”。别再把数学当成应试的工具。 🧭 它是人类理性的最高结晶，也是我们在技术大爆炸时代，能够看清未来的那盏终极探照灯。

16. 上个月，美国人工智能研究公司 OpenAI 宣布其 AI 成功解决了著名的“单位距离问题”。这是一个困扰了人类几何学家整整八十年的数学难题（昨天写过：网页链接）。消息传出，数学界不仅没有弹冠相庆，反而陷入了巨大的恐慌。数学期刊编辑们的电子邮箱，最近正被堆积如山的 AI 论文塞满。这些由算法自动生成的证明多到编辑们根本无法审核。更糟糕的是，很多看似严密的步骤其实夹杂着极难被发现的细微漏洞。人类最顶尖的智力游戏，正在被机器算法粗暴地推平。为了防止机器彻底颠覆这门学科，全球数十位数学家、计算机科学家以及数学历史学家紧急会晤，联合发表了一份名为《莱顿人工智能与数学宣言》的规则文件，试图在机器失控前给 AI 戴上紧箍咒。数学家们的担忧并非空穴来风。在过去，数学研究高度依赖公开与分享。几乎所有现代数学论文都会第一时间上传到名为 arXiv 的免费学术预印本网站，供全球学者无偿阅读和改进。然而，如今手握最强 AI 技术的科技巨头正在打破这个传统。谷歌旗下人工智能公司 DeepMind 曾在 2024 年宣布，其开发的数学解题模型 AlphaProof 成功解答了三道国际数学奥林匹克竞赛题。这是一个极其轰动的成果。但是，这家商业公司封锁了技术细节，直到一年多后才在学术期刊上公布具体方法。在这种新型竞争中，公开透明的学术传统正在变成商业秘密。科技公司免费抓取人类数学家存放在公网上的论文来训练自己的模型，转头却将研究成果关进商业机密的黑匣子。除了商业垄断，AI 证明本身也存在致命隐患。人类数学家写出的证明，同行只要看懂逻辑就能判定对错。而 AI 依靠概率输出结果，常常会犯下逻辑上的“幻觉”错误。这种错误极其隐蔽，伪装在成百上千页复杂的公式中，需要人类专家花费数月时间才能排查出来。更深层的危机在于研究方向的偏离。人类数学家挑选课题，看重的是这个问题能否带来新的数学方法，加深人类对客观世界的理解。商业科技公司则倾向于让 AI 去刷那些容易在新闻里制造轰动效应的竞赛题，这些题目对于数学学科的长远发展价值极其有限。为了扭转这种被动局面，去年秋天，约六十位研究人员和政策制定者在荷兰莱顿大学的洛伦兹中心紧急会晤。经过激烈的辩论，他们最终达成了这份宣言。《莱顿宣言》的核心条款非常强硬。它要求所有学术研究必须明确披露 AI 的使用情况，要求所有论文必须经过严格的同行评审。为了抗衡商业巨头的资源垄断，宣言还呼吁政府提供公共资金支持，为学术界建立免费的法律援助机制，保护数学家的原创成果不被商业公司无偿掠夺。国际数学联盟（IMU）已经计划正式支持这份宣言。今年夏天，宣言的发起人将在国际数学联盟的学术会议上正式向全球推广这些规则。数学家们已经开始行动，为保卫人类智力的最后阵地画下了第一道红线。～～～～～～图源：Tetra Images信源：Sloman, Leila. "Mathematicians sign declaration to rein in AI use." Scientific American, edited by Clara Moskowitz, 2 June 2026

17. #微博声浪计划##听见微博# AI攻破80年数学难题！OpenAI模型推翻1946年埃尔德什平面单位距离猜想，用代数数论工具构造新方案，证明单位距离对数可达n^(1+δ)，普林斯顿数学家优化得δ≥0.014。9位顶尖数学家评审通过，标志AI从辅助转向科研主体，跨学科思维突破认知禁锢。谯华的微博音频

18. 陶哲轩亲自曝光：AI破解数学难题，竟全是「抄」的？

19. AI 独立攻破困扰数学界 80 年的难题，这次是真的

20. #高考数学# AI时代最可怕的不是不会数学，而是不懂逻辑 ⚡ 高考数学考完，你可能在刷AI解题视频。有人问：“以后还学数学干嘛？” 真正值得担心的，是逻辑能力缺失的人。因为AI时代，算法无处不在：短视频推荐 📱 投资建议 💹 新闻推送 📰 如果没有数学逻辑，你可能AI说什么就信什么。而AI也会犯错⚠️：数据错误、模型偏差、结论失真。数学训练你做逻辑推演，教你只接受“为什么”，不接受“我觉得”。拥有数学思维的人，看问题：能分析数据 🧮 能辨别谣言 ❌ 能理性决策 🎯 📌 AI能提供答案，但逻辑判断力才是最宝贵的能力。总结：数学真正培养的是独立思考能力，而不是单纯算题。🧠💪

21. #高考数学# 当AI能考145分，你还需要学数学吗？ 🤖 如果今天最强AI参加高考数学，它可能比绝大多数人考得更好。 ❓ 那我们还学数学做什么？答案：学习数学是为了提出问题，而不仅仅是解题。数学训练抽象能力，让你看到问题核心 🌟 数据分析、模型建立、逻辑推理，都来源于数学训练 📊 AI可以给你答案，但提出问题、定义问题、创新问题，只有人类能做 💡 未来最稀缺的不是会用AI的人，而是懂AI原理的人。一个懂数学的人，看AI，是看到算法和规律；一个不懂数学的人，只能看到“神奇工具”。 📌 高考的意义，不是压轴题能否做对，而是培养面对未知问题的能力。总结：未来最值钱的能力不是会解题，而是会发现题目。数学训练的，就是这种能力。🚀

22. //@Zodzod_张浩:AI出人意料地攻克人类未曾预料到的问题； AxiomProver和人类采用不同数学思路解出来的问题。之所以这么分，在于AI与人类对「难度」感知并不一致。团队指出，以后更理想的工作流大概是：人主要负责提供灵感的想法，而机器负责快速自洽检查与形式化落地，甚至推动数学研究中的新抽象选择。

23. 陶哲轩震撼！数学家1975年埋下的「坑」，被AI和全球网友用48小时填平了

24. AI又要颠覆数学？陶哲轩紧急发声：停止造神！

25. 【#OpenAI称使用AI攻克“80岁”数学难题#】OpenAI近日声称，其人工智能（AI）推理能力再次取得重大进展，成功攻克了一个困扰数学界80年的难题——匈牙利数学家保罗·埃尔德什（Paul Erdős）于1946年提出的“平面单位距离问题”。埃尔德什提出的问题是：如果你在一张纸上画出若干个点，那么有多少对点之间的距离可以恰好相同（具体来说是相距1个单位）？埃尔德什证明：如果把这些点按网格排列，可以得到相当多的单位距离点对。随后他猜想，没有任何其他排列方式能比网格好太多。几十年来，人们都试图证明这个猜想是正确的。然而，OpenAI的模型得出了不同的结论，指出有排列方式比埃尔德什预测的“上界”（不会超过的最大范围）更优。这意味着，它不是证明了猜想，而是推翻了猜想。OpenAI的研究团队指出，模型给出的解决方案极其反直觉，过去大多数数学家都默认埃尔德什的猜想是正确的，因此他们一直在寻找证明。而AI没有这种心理包袱，它会尝试大量看似荒谬的方向，最终正是在这些尝试中发现了突破口。

26. 国际数学联盟发布《人工智能与数学莱顿宣言》，回应 AI 对数学研究影响的问题，如何理解这份宣言？

27. OpenAI彻底震撼数学界，80年核心猜想被破解！菲尔兹奖得主惊呼坐不稳

28. 数学常被贴上 “抽象难懂” 的标签，不少学习者面对满纸公式定理时感到茫然，即便能算出正确答案，也难以说清背后的逻辑。这一困境的根源，在于传统数学学习中脱离现实的单向灌输、缺乏思考的机械套用，以及远离生活的人造情景。真正的数学学习，应是扎根现实的问题探究，是基于推理的思维历险，是通过交流碰撞深化理解的过程。数学的生命力在于与现实的联结。脱离应用场景的数学，如同失去土壤的植物，难以生长出深刻的理解。很多时候，学习者觉得数学 “无用”，正是因为课堂上的题目多是脱离生活的人造情景：既没有真实的问题背景，也没有实际的解决价值，仅仅是数字和符号的机械组合。#高考数学##高中数学# 完整长文在这里：数学的出题方式不能“不食人间烟火”。网页链接

29. 从某种程度认同计算机和数学最容易被AI替代，我每天都花3-5小时与AI（gpt deekseek）一起工作和思考数学问题，已经明显感觉到它们的数学，从一个高中水平，变成大学水平，变成了一个phd学生，然后变成低配版的我。毫无怀疑未来ai可以自己证明出来，人类的数学难题

30. 国际数学联盟发布《人工智能与数学莱顿宣言》，回应 AI 对数学研究影响的问题，如何理解这份宣言？

31. 所有数学家都看傻了，不敢相信！OpenAI模型干翻80年的数学猜想，平面单位距离问题，它不是验证人类的证明，而是提出新构造，连接不同数学分支，自己用代数数论等工具解决离散几何问题，贡献了新的数学发现，菲尔兹奖得主表示这是AI数学里程碑！#科技##人工智能##ai##openai##数学# 赛博奇的微博视频

32. 陶哲轩：千年数学规则被AI按下重启键

33. OpenAI 破解80年数学悬案，数学家的饭碗也危险了

34. 数学正在经历其历史上最大的变革，AI重新定义数学家这份职业

35. AI干翻了数学家的饭碗，这次是真的

36. 数学家也要被AI取代了吗？

37. AI成为数学家助手！Google DeepMind发布AI Co-Mathematician，FrontierMath Tier 4刷到48%

38. DeepMind推出AI协作数学家正确率飙升改写研究范式

39. AI+数学论文 | Google DeepMind 2026 | 人工智能协同数学家

40. AI协同数学家

41. 奥数金牌后的AI数学家

42. 谷歌AI数学解题正确率87%，为何获专业数学家认可

43. 谷歌AI数学家解开50年群论悬案

44. AI数学证明为何让数学家不安？

45. AI辅助数学证明新突破

46. 消耗1830亿token，Meta用AI把数学教材翻译成了一个超大Lean库

47. 为什么数学形式化不只需要Lean？剑桥教授的深度思考与Isabelle入门指南

48. AlphaChip重构硅基工艺物理布局；神经网络形式验证攻破物理系统安全孤岛；Lean 4数学定理自动证明迎技术合流

49. 中科院等机构Numina-Lean-Agent

50. 北大华为联队夺冠

51. AI开始证明数学定理了，而且比大多数研究生强

52. AI | AI攻克百年数学难题

53. AI在数学领域进展迅速背后

54. 里程碑进展？AI首次在人类数学家之前自主解决未解数学猜想

55. 当AI遇见数学——智能证明助手是颠覆者还是好帮手？

56. 2026 AI技术大革命

57. Ai大模型2026已经解决了哪些数学物理核心难题

58. 加州大学副教授谈"压缩"与AI推理新路径【2026 Science x AI Summit 系列演讲切片第六期—Michael Mulligan】

59. Meta发布ATLAS:26本数学教材71.3%定理已形式化,生成63万行代码!

60. 机器具有数学创造性吗？

61. ChatGPT-5.2 首次独立证明数学猜想

62. DeepSeek V4做数学证明，500倍成本优势

63. 陶哲轩

64. 陶哲轩《新的数学工作流》演讲精简总结 - 哔哩哔哩

65. 陶哲轩谈AI与数学

66. GPT-5.5 Pro数学能力深度解析

67. 基础数学就业困局

68. AI突破博士级数学研究

69. 人工智能时代，博士生要补齐哪些能力

70. AI时代数学建模能力研究报告

71. 数学新纪元

72. 谷歌DeepMind官宣发布最强AI数学家(AI Co-Mathematician)，刷新全球数学AI基准，人机协同攻克数学悬案

73. DeepMind打造全新AI数学智能体多智能体协同登顶算力基准人机协作解锁数十年数学研究僵局

74. DeepMind推出AI协同数学家！专为人类数学研究打造的智能协作工作流【AI for 数学】【智能体】

75. 降维打击,数学博士熬秃头,AI数学家:上午出题,下午4点交证明

76. 科学网-数学家如何看待AI证明数学猜想-刘永红的博文

77. 陶哲轩:AI让业余数学家也能做出贡献

78. AI攻下奥数,“AI教父”预言数学家将失业,数学界会“变天”吗

79. 人工智能为数学家找到“巨人的肩膀”——解码“AI+科研”系列报道之二

80. “数学之王”丘成桐谈AI:对最尖端的数学家不会有任何影响

81. 人工智能为数学家找到“巨人的肩膀”

82. MIT数学教授给青年数学家写的AI使用指南

83. AI成为数学家得力助手还要多久

84. DeepMind新成果

85. 克雷研究所100万美元奖金要归AI了数学界规则大改,未来数学家如何应对「海量猜想」

86. 16位数学家发布《宣言》:小心AI

87. 克雷研究所100万美元奖金要归AI了,数学界规则大改,未来数学家如何应对海量猜想

88. Google AI协作数学家发布：FrontierMath准确率达到48%

89. Google DeepMind 发布「AI 合作数学家」：不只是解题，更是科研伙伴

90. 数学专业，危！菲尔兹奖得主亲测ChatGPT 5.5 Pro，17分钟出论文级成果

91. Google DeepMind 发布 AI 数学协作系统：不是解题机器，而是帮数学家做研究的工作台

92. 数学研究的本质与AI双轮革命：从工具协同到人类价值的终极锚点 - 哔哩哔哩

93. AI 不只是会做数学题了，它正在变成数学家的“研究搭子”

94. AI两小时搞定博士数学题人类数学家还有机会吗

95. 安德森猜想被攻克！国内首次实现AI自主解决数学开放问题

96. 谷歌AI数学家诞生：Gemini驱动，破解了48%的FrontierMath数学题

97. Lean定理证明器创始人Leonardo de Moura主题演讲：AI生成的证明不可信？形式化验证才是终极答案

98. 洪乐潼：打造AI数学家！

99. OpenAI发布《AI作为科学合作者》报告

100. Google DeepMind搞了个"数学家搭子"：AI在FrontierMath上冲到48%，背后是什么逻辑？

101. 数学研究，AI一小时，人类一百年？

102. 从黑盒推测到形式化验证：AI 智能体循环重塑前沿数学研究范式

103. 软件开发的最终形态: AI 写代码 + Lean 证明，来自 zkVM 开发的启示

104. 人工智能理解-DeepSeek项目（10）

105. 震惊！这回是真震惊了：AI模型解决顶级数学猜想！

106. 谷歌AI联合数学家：最难数学基准SOTA被刷新，牛津教授用它解开群论悬案

107. 北大开发的AI辅助证明工具Rethlas测试

108. 菲尔兹奖得主亲测ChatGPT 5.5 Pro：17分钟出论文级成果，替学生拉响红色警报

109. 多位数学家谈AI在数学领域的影响：数学的AI拐点已出现

110. 2026年初数学领域重磅新闻（AI+纯数学双突破）

111. [论文速递] seed prover 1.5 技术报告

112. AI“数学家”首秀：北大团队破解十年数学谜题

113. AI Co-Mathematician: 数学家有了强大的工作伙伴

114. 2026年5月AI新风暴：当数学证明遇上工业智能，OpenAI突破与物理AI浪潮并行

115. 一作兼通讯！人工智能研究院，今年首篇Nature Machine Intelligence！

116. 哥德尔不完备定理是 Lean 头顶上的物理法则

117. 我尝试了Lean，瞬间获得数学博士学位 | Tsoding Daily

118. AAAI 2026 | 构建模板-定理知识图谱以增强大语言模型的数学推理能力

119. 【硬核数学】别读博了，AI Agent发现数学定理？DeepMind智能体碾压人类数学博士！自主生成研究级证明、参与开放问题求解，甚至产出可投稿论文

120. Web3智能合约形式化验证的技术路线之争——定理证明器

121. AI能替代数学家吗？42位专家观点大PK

122. 递归观测者：人类数学家作为数学宇宙的自指结构

123. AI与数学家工作模式的差异

124. OpenAI推翻数学猜想

125. 大模型解数学题惊艳表现，能证明它真的理解shux吗

126. ChatGPT证明数学猜想意味着什么？

127. 2026年5月22日：AI领域迎来“奇点时刻”，从数学证明到产业落地全面爆发

128. OpenAI说AI自主攻克了数学难题。证据呢？

129. 中国科学院软件研究所张健团队综述：自动猜想与定理发现

130. 中国科学院软件研究所张健研究员团队综述：自动猜想与定理发现

131. AI时代人类优势的探索研究

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！