陶哲轩反对的不是AI，他要求放缓的是"生产数学证明的速度跑在人类理解之前"这件事。这位菲尔兹奖得主、UCLA数学教授在10月初的公开演讲里说得直接：必须慢下来，这个速度太疯狂了，完全没有理由这么快。对普通人来说，这场风波比数学界内部的争执更值得关注的是一条信号：AI让"拿到答案"变便宜之后，"看懂答案、为答案负责"成了新的稀缺资源——学习规划的投入重心需要跟着挪，不然精力会持续押在贬值最快的地方。量子位
冲突的直接导火索在10月6日：OpenAI把722篇AI完成的数学手稿一次性公开到GitHub，归为372组结果，其中一篇声称证明了长期悬置的 Unique Games 猜想；发布次日，一个符号错误让3篇手稿被撤回。10月7日，陶哲轩在个人博客转载了"人类数学协会"（AHM）呼吁全体数学家停止与OpenAI合作的声明。再往前，他已在9月与25位菲尔兹奖得主联名公开信，指出AI公司把数学当benchmark刷分，与数学界追求的目标严重错位。知乎知乎量子位
但把这件事读成"数学家抵制AI"就读反了。陶哲轩本人是Lean证明语言的重度使用者，拥抱AI比大多数同行都早，他反对的是把"解出难题"当成唯一计分板。他打过一个比方：未解决的数学问题像灯塔，大多数人出海并不是为了抵达灯塔，但正是灯塔照亮了整片海域。一个证明的完整生命周期有五个环节——生成解答、形式化验证、理解、消化、写进教科书——AI如今在头两个环节疯狂加速，后三步却进度几乎为零，制造出"证明消化不良"。知乎量子位
他最尖锐的一句判断是：一个被解决的问题，没办法变回未解决——哪怕只知道答案存在，沿着答案倒推，那些"绕远路"的探索空间就已经被污染了。这正是他担心"快"的原因：前沿方向、新工具、新理论，很多诞生于解题路上的磕绊；直接跳向答案，等于把数学最值钱的"认知摩擦"省掉了，还会让下一代AI吃进大量人类都没消化过的生成内容，后果无人能预料。知乎
这个瓶颈不只属于数学系。10月15日在Numberphile的访谈里，陶哲轩说这三百来项结果他自己只看了大约10篇——他认为数学的浪漫时代、英雄时代正在结束：以前证明来之不易，理解跟着就来，现在机器先找到捷径，证明淹没人，理解却没跟上。同一周，Anthropic在官方博客里写下几乎一样的话：人的时间和注意力是稀缺资源，非技术岗位员工光是读完AI交付的内容，按该公司的估算就要占掉半个工作周以上。生产端不再是瓶颈之后，出错的地方全在"没人核对"：公开判例库已收录超过两千起被法院认定引用了AI编造内容的案件，过半当事人没有律师把关；德勤递交给澳大利亚政府的审查报告也因编造引文退了款。知乎
所以学习规划要改的第一件事，是把衡量标准从"交出答案"挪到"看懂并讲清答案"。陶哲轩为Math 2.0开的方向里，讲解、建立社区、开辟新方向要取代解出难题，成为新的价值标准；他甚至提出"开放阐释问题"——定理已被证明但证明晦涩，用AI去找更容易理解的路径同样是好研究，加州理工学院11月13日至15日的Mathathon就让学生用开源AI为四色定理、ABC猜想等已有结论寻找新的、更清楚的证明。放到普通人的学习上，含义很具体：单纯"刷题快、交付多"的积累在贬值，"能讲明白一个东西、能找出一版方案哪里错"的能力在升值。知乎
第二件事，别把理解过程外包出去。AI时代更可持续的用法，是强化人类理解与对象之间相互作用的那些环节，而不是绕过理解直接拿结果。操作上可以照着这套验证习惯来：让AI交付时先自己标出"最没把握的3处"，再抽查它给的引用出处，明确要求它"查不到就写未找到，不要补"；低风险草稿快过、对外交付逐条看；最后交出去之前问自己三句——它为什么是对的、哪里最可能错、错了怎么收回。知乎
第三件事，方向选择上，把赌注放在"人的判断绕不开"的地方。数学最先被AI冲击，恰恰因为它客观可验证、高度数字化、数据现成；而需要主观判断、依赖现实世界交互、缺少数据的任务，AI表现与解题能力形成鲜明反差，多数前沿问题也仍然没有被解决。这提示普通学习者：定义问题、判断适用条件、对结果签字负责的环节，比"更快地产出一份内容"更难被替代。知乎
最后说清边界，避免把这场风波读过头。陶哲轩的"放缓"呼吁对模型公司没有约束力：OpenAI的回应是在普林斯顿高等研究院设立一个"数学与人工智能顾问小组"，但官方声明写明，该小组不负责就数学内部进展提供建议。这批手稿本身也还没被数学社区消化：近六成顶层结果没有可机检的形式化证明，有研究者发现代码实际验证的陈述比论文宣称的更弱，陶哲轩自己也说这批结果里好东西和垃圾各占多少"还不知道"。截至10月19日，争论仍在继续；想观察这件事的走向，最近的一个节点是11月中旬的那场Mathathon——看数学界打算怎么把"过剩的证明"变成"可理解的知识"。量子位
