数学家反对的不是AI解题，而是「抢先把题解掉、一次性成堆放出、让别人免费验证」这套玩法。 对普通人来说，它落在三件事上：你看到的「AI突破」新闻能不能信，「解释与验证」这类工作的价值怎么算，以及「谁先做完」这套评价标准还作不作数。界面新闻
导火索在声明前一个周末被点燃。整个八月，纽约大学数学家Tristan Buckmaster和合作者Levent Alpöge在纳维-斯托克斯方程上取得了重大进展——这是克雷数学研究所千禧年大奖难题之一，悬赏100万美元。 然后OpenAI来了，宣布解决了这道公认最难的数学问题之一，抢在了两位埋头研究的人类数学家前面。 它随后发布的166页论文用的是尚未向公众开放的内部模型，里面几乎没有数学家公布新发现时通常会提供的那些解释。界面新闻微博
「抢发」最扎心的一笔：一单被拒掉的交易
Buckmaster公开指责OpenAI向他施压。项目负责人Sébastien Bubeck开出的条件相当优厚：你可以率先发表自己的成果、成为OpenAI论文的第一作者、获得充足计算资源，甚至被建议与合作者分享那100万美元奖金，唯一条件是把合作者Alpöge从论文上去掉——因为他在OpenAI的对手Anthropic工作。界面新闻
Buckmaster拒绝了。他在深夜发布三篇论文，详细叙述了与OpenAI的整个互动过程，还专门感谢几年前提出这道题攻克新策略的两位西班牙数学家——OpenAI的公告里没有提他们。 更敏感的是数据来源：他和Alpöge研究期间用过OpenAI的Codex工具整理数学推导，而这类模型会利用用户数据训练。OpenAI否认从中获益，坚称提示词"不可能以任何方式影响系统"；Buckmaster则说，方法重合和时间线高度暗示发生了什么，只是拿不出证据。界面新闻
加州理工的数学家把问题说得更直白：AI公司可以宣称其模型解决了复杂难题，但之后需要人类数学家来验证、修正，有时甚至要彻底驳斥这些成果。 他们管这叫「粗糙的数学」：验证工作没有得到报酬、没有署名、也没有承认。风波之后，OpenAI撤回了对其一项加州理工数学活动的赞助。界面新闻
公开信反对的不是AI，是三件被省掉的活
这封公开信的标题就说明了立场——AI与数学的目标严重错位。声明指控的核心是，AI快速批量生成数学成果，可能压缩成果验证、方法总结、学术交流和引用前人成果的时间，并引发严重的署名和抄袭问题。 说白了，数学家要的不是封杀AI，而是把三件被省掉的活补回来：讲清楚证明怎么来的、给在先工作署名、有人对结果负责。界面新闻
两位联署者的表述最有代表性：陶哲轩说「我们在优化方面已经做得太好了」；杜米尼尔-科潘打了个比方：把一个人空投到珠穆朗玛峰峰顶，与让他自己一步步攀登上去，是完全不同的事情。微博
10月下旬，另一位联署者、今年刚获菲尔兹奖的邓煜在对谈中把矛盾说得更具体：当AI不展示思维过程就直接生成结果，会出现「有证明，但只有AI知道，人类并不理解」的第二条边界。 传统数学里「有证明」和「有人懂」本来就是同一条线，AI把两者拆开了。界面新闻
陶哲轩的判断更直接：科技公司把解题当成基准测试，抛出大量缺乏深度洞见的证明，无异于抛出「有毒废料」让数学家收拾残局。界面新闻
这种错位早有预兆。9月初，Anthropic宣布Claude自主运行11天，完成了费马大定理的首个端到端机器可检查形式化证明——1300万行Lean代码，没有人类能从零通读。 陶哲轩把它命名为「证明消化不良」：AI生成速度远超人类理解和教学转化的能力。界面新闻
公司的让步，和新的导火索
这场争执始于8月：OpenAI的下一代模型Astra内部版本一次性发布十项数学与理论计算机科学突破，按费率计算全部词元成本约2000美元。 顶着公开信的压力，OpenAI在9月21日宣布由数学家组成数学与AI顾问组，设在普林斯顿高等研究院、独立运作、成员不受酬且可以公开发声。 10月26日又承诺，不会为其内部模型产生的新发现寻求学术署名，外部专家解读其最新三项发现也不需要签保密协议。界面新闻界面新闻界面新闻
但发布没有停。10月，OpenAI在GitHub公开一批内部模型产生的数学结果：首版目录722份手稿、归为372个结果家族，次日核对时变成719份——被撤回的3篇里，有一篇的证明存在符号错误。 OpenAI声称这些手稿解决了300多道此前人类无法攻克的数学难题，覆盖多个领域。 每个结果的算力成本平均约相当于ChatGPT Pro思考三小时。界面新闻界面新闻
按B站科普作者的梳理，这批手稿来自尚未公开的模型，其中162篇通过了Lean计算机检查，尚未经过同行评审。 迪米尼-科潘说得直白：验证这批东西的工作量巨大。更扎心的是科学家Scott Aaronson的判断——几乎还没有人类真正读懂其中任何一篇长证明。哔哩哔哩36氪
11月的最新导火索是「Landau-Siegel零点不存在」：这道解析数论里卡了几十年的关键难题，AI交出的原始证明只有8页，随后被同行接力压缩到5页——斯坦福数论学家Lichtman评论，这类证明的存在强烈暗示了P≠NP。36氪
冷水也同时泼来。 但规则已经在压力下变形：MIT的Minzer团队听说OpenAI的风声后，赶在其发布前火速放出自己的相关证明变体——人类数学家，已经开始和AI赛跑了。36氪
对普通人，真正在变的是三件事
第一，你看到的「AI解决某猜想」，现阶段多数只是主张，不是定论。 机器检查过了不等于问题被正确翻译了，符号错误撤稿也已有先例。判断这类新闻只需盯三个信号：有没有人类给出审读结论、主张被确认还是撤回、发布方是不是既当运动员又当记分员。36氪
第二，「答案先行、解释缺席」的代价不止在数学界。搜索引擎研究早就发现，人遇到问题的第一反应已经变成向外找答案。微博
近年针对AI工具的类似研究又发现，频繁使用与批判性思维能力呈负相关。 这些都还只是相关性研究，但陶哲轩的比喻值得每个用AI学习工作的人掂量：汽车比走路快，可你不会希望把所有步行的场景都换成开车。 学习、写作、做方案时只要结果不问过程，被掏空的正是能力本身。微博界面新闻
第三，「谁先做完」的含金量正在被重新定价。11月1日，陶哲轩博客刊出数学家Calegari的长文，核心判断是，证明重要，但「率先证明」这套奖励机制正在迅速贬值，以后稀缺的能力是挑问题、讲清楚问题为什么值得做、把结果放回更大的结构。 对应的建议会直接影响每个职场人熟悉的信号：招聘少看论文和产出清单、多做面对面交流，期刊少收堆量和抢发的稿子。微博
数学家们要的那三条——不要在宣布突破后把烂摊子丢给社区、不要用算力优势碾压研究者、不要把开放文化变成保密竞赛——其实适用于每一个用AI产出的行业：验证、整合、带新人这些活，目前都还没人付钱。界面新闻
对还在自己做研究、做创作的人，讨论区已经有一条很具体的教训——别把没发表的研究原文粘给AI，它可能被拿去训练，然后被抢发。 至于整件事的走向，声明里那句话仍是最好的注脚：AI确实有潜力提升研究效率，但最终影响取决于掌握这项技术的人如何作出决策。 接下来盯两个节点就够了：722篇手稿里什么时候出现第一篇被人类证伪的结果，以及那个解出千禧年难题的内部模型，到底会不会公开。微博界面新闻
