AI疯狂产证明,人类却消化不动了?陶哲轩预警数学界的“阻抗失配”危机
01问题求解的三阶段框架
02证明过剩现象的实证表现
“证明过剩”并非理论推演,而是已显现的现实困境。以Erdős问题贡献平台为例,截至2026年1月,ErdosProblems.com上已有15个问题被解决,其中包含AI提交的完整或部分解决方案,这一激增直接反映了生成能力的爆发式提升。与此同时,人类研究者普遍表示缺乏足够时间进行人工验证与理解。例如,卡耐基梅隆大学博士生哈里哈兰团队耗时两年的研究成果,被AI仅用五天便抢先发表,凸显出人机节奏的巨大鸿沟。更严峻的是,许多AI生成的证明虽通过形式化验证,却缺乏文献引用、核心思想阐释或对后续研究的启发性,被陶哲轩比喻为“陌生人扔在派对上的生肉”——技术上可食用,但无人愿意处理,也难以融入知识传承体系。456
03各阶段能力归属与技术支撑
| 阶段 | 核心任务 | 当前主导方 | 关键技术/工具 |
|---|---|---|---|
| 证明生成 | 将猜想从“未解决”推进至“有解” | AI(大语言模型) | GPT-5.2 Pro、专用数学推理模型 |
| 证明验证 | 确认逻辑正确性、无漏洞 | AI辅助+形式化系统 | Lean、Coq、Isabelle等定理证明器 |
| 证明消化 | 理解深层意义、提炼方法论、促进领域进步 | 人类研究者 | 批判性思维、跨领域直觉、教学与写作 |
04学术评价体系的适应性挑战
评价标准转向
陶哲轩等主张彻底转向
应建立新竞赛机制,评判标准聚焦“解释力”“形式化质量”和“领域消化能力”
未来期刊可能分化为人机合作、纯人类、竞赛类等不同类型平台


部分学者呼吁渐进改革
彼得·肖尔策表示“不希望孩子由AI教育”,坚持独立思考数学问题
《莱顿宣言》强调人类绝对负责,但未否定AI辅助的合理使用边界
05未来协作范式的可能路径
当前文章无评论,是时候发表评论了