10月20日，SAIR Foundation官方渠道首发一场独家视频对谈：一边是菲尔兹奖得主、SAIR Foundation主席陶哲轩，另一边是新晋菲尔兹奖得主、芝加哥大学教授邓煜——因破解困扰数学界125年的希尔伯特第六问题，他在今年费城领下菲尔兹奖章。两人同台，正面回应"AI要取代数学家了"的争论。 对谈给出的核心结论不是AI该不该用，而是一个新的判断：数学正告别"证明稀缺"，进入"证明丰裕"时代，"已有证明的问题"和"人类能理解证明的问题"之间，出现了第二条边界。AI时代真正稀缺的不再是答案，而是人的理解和提出问题的能力。这场顶级数学家之争，落到普通人身上正好是一张可对照的使用清单——数学界此刻踩的坑，和普通人在AI学习里正在踩的坑几乎一一对应。微博微博
对谈的由头：700多份证明，没人真正消化
风波来自10月初：一家商业AI巨头（媒体普遍报道指向OpenAI）一口气公开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失业。 10月7日，陶哲轩在自己的博客全文转载"人类数学协会"（AHM）那份措辞激烈的声明，公开呼吁数学家停止与这家公司的合作：一次性发布700多份文件，“展示的不是学术研究，而是权力”。 更早的铺垫是：今年6月，600余位数学家联署《莱顿宣言》表达对AI冲击数学研究的忧虑；9月11日，陶哲轩、邓煜等25位菲尔兹奖得主发表公开信《AI在数学中的严重错位》，批评AI公司把数学难题当作模型能力的跑分基准。微博知乎知乎
而发布之后发生的事更说明问题：包括这家公司自己在内，没有人能充分理解这些结果；不久，数篇预印本因基本的符号错误被撤回，文字证明也被发现与形式化的Lean代码严重脱节。 理解这条时间线，才能看懂10月20日这场对谈在说什么：它不是对"AI危不危险"表态，而是在"AI已经能给出正确答案"成为事实之后，讨论人类还剩下什么、必须守住什么。微博
他们到底说了什么
这场对谈没有停留在"AI取代数学家"的喧嚣上，而是把问题拉回"我们为什么做数学"：是为了攻克难题，还是为了增进理解。"面对AI与数学之争，我们需要回到那个最核心的问题：我们究竟想要什么？"过去两年，这个问题一直由模型公司替数学界作答，这一次，科学家给出了自己的答案。 两位数学家都明确拒绝"支持AI"或"反对AI"的二选一；陶哲轩的立场是关键要增强人的能力，为科学家、也为从业者提供工具，但人必须保持自己的能力。 他用汽车打比方：如果到哪儿都开车，久而久之你会忘了怎么走路、身体变差，但这不意味着该彻底放弃汽车——“你需要有意识、有分寸地使用这些交通工具”。微博知乎知乎
对AI输出无法溯源，两人的批评最重。陶哲轩说，AI有时给出的答案无法一路追溯到源头、没有展示想法来自哪里，“我们开始切断思想的传承链条，字面意义上的思维链，而这实在很可惜”；他还指出，科技公司有动机淡化这一点，因为它们想让人以为AI仿佛凭空解决了问题，没有借助任何前人的成果。邓煜说得更直接：“就目前而言，如果能看到AI的思维链，你至少还能大致了解，它是怎样得出这些结果的，参考了哪些资料。可现在连这些都看不到，这就太荒唐了。”微博
同样被反复引述的还有对"慢"的辩护：保留那些慢慢做科学、做数学的方式所带来的好处，包括增进理解、建设共同体，让人类持续掌握对一个学科的理解——这就是社区所称的数学"慢科研"。 两人还披露了"开放数学模型"计划的初衷：加速推出开源的数学AI模型，陶哲轩主张数学家应当在数学AI项目早期参与共建，而不是等模型公司做完再被动接受。知乎小红书
普通人避坑：四个坑，每个都有对谈里的对应证据
坑一：把"AI给出了正确答案"当成"我学会了"。 对谈里的"第二条边界"正是这个陷阱的数学版：证明存在，不等于有人理解证明。同样的逻辑，答案拿到手，不等于知识进脑子。判断标准很简单：让AI讲完一道题后，关掉屏幕，自己完整推导或讲解一遍；讲不出来的部分，就是你只保存了答案、没有获得理解。
坑二：把"慢而笨"的过程全部外包。 邓煜强调人的理解和提出问题的能力，陶哲轩呼吁保留"慢慢做"的好处，指向的是同一件事：能力诞生在费力的过程里。这不是数学圈的特殊洁癖——美国核电站一套全数字控制系统的设计曾刻意保留本可自动执行的人工操作步骤，理由很直白：只负责监督自动化的操作员，会逐渐不再是真正意义上的操作员。 航空业也在2017年由FAA发布安全警报，重申手动飞行是构建其他技术飞行技能的基础。迁移到学习上：定期安排一段"无AI手动操作"，闭卷推导、手写、背诵——效率损失是刻意为技能买的保险。知乎
坑三：照单全收给不出来源的内容。 陶哲轩说科技公司有动机让人以为AI凭空解决了问题，这话对普通学习者同样成立：一个不展示推理步骤、给不出可查原文的回答，可信度必须打折。 用它当线索可以，当作结论不行——凡是准备写进笔记、用于考试或决策的内容，至少核对一次原始出处。OpenAI那批证明发布后数篇因符号错误撤回的前例也说明："AI说得笃定"和"经得起检验"是两回事。微博
坑四：让AI批量生产自己读不完的东西。 数学界当下的困境被概括为"证明消化不良"：AI产出的证明逻辑上或许成立，但人类读懂、梳理、讲解的速度远远跟不上产出速度。 用AI做学习总结的人正在复制同一困境：生成五十页笔记不等于读了五十页。陶哲轩自己说，这批AI数学结果里他只认真读了大约10篇——连最顶尖的读者都要限量。 普通人的上限更应该是"生产量对齐阅读量"：每让AI生成一份材料，先确认自己读完并能复述，再要下一份。微博知乎
边界：两位菲尔兹奖得主并没有让你弃用AI
需要说清楚的是，对谈没有给出"普通人别用AI"的结论。增强人的能力本身就是对谈的出发点，为科学家和从业者提供工具是明确目标；“开放数学模型"计划也是想让数学AI更透明、可溯源，只是它目前还停留在构想与初衷阶段，并非已发布的产品。 所以对普通用户的正确姿势不是卸载AI，而是"有意识、有分寸”：把答案的获取交给AI提速，把理解的生成留给自己——提问前先想清楚自己卡在哪一步，这正是邓煜所说的、人最不该让渡的能力。社区里也有清醒的批评：一条获赞同370余次的知乎回答就指出，陶哲轩和邓煜的观点仍属市面上常见的"人是目的、AI是工具"之谈，"提出问题的能力"本来就不是AI出现后才重要的。 这反而印证了上面清单的底线：AI改变的不是学习的本质，只是自欺的成本——答案越来越便宜，"假装懂了"也越来越便宜。微博知乎
