一段被疯转的「黑盒药」思想实验，出自菲尔兹奖得主陶哲轩2026年10月11日公开的《Math 2.0》演讲。相关讨论很快在知乎上被贴上「批评AI」的标签并引发争议。实验里的AI给出的化学物质组合，模型预测通过了Lean形式化验证，连三期临床试验也过了，可没有任何人类专家说得清它是怎么找到的、为什么有效。但读回演讲原文会发现，这个实验并不是「AI无用论」的证据。它教给我们的不是抵制AI，而是识别技术炒作的三把尺子。知乎机器之心
这场演讲之所以在十月中旬引爆舆论，是因为数学界刚经历一个「多事之秋」。9月，OpenAI宣布解决纳维–斯托克斯千禧年难题，随即与同行团队陷入成果归属争执。陶哲轩在同一时期公开踩刹车。原本定在5月、最初叫《机器辅助证明》的那场演讲，被推迟到10月，内容也因这一连串事件被大幅改写成《Math 2.0》。微信
10月7日，OpenAI把722篇数学手稿一夜挂上GitHub。但成功案例从来不是全貌，陶哲轩泼下的冷水是——即便算力管够，数学前沿的大多数问题依然悬而未决。抵制与发布发生在同一天。微信机器之心量子位
第一把尺子：看公布的是全部样本，还是精选的成功案例。陶哲轩在演讲里用了那张著名的「幸存者偏差」飞机图：公众在社交媒体看到的，都是AI解出难题的案例，失败的尝试没有同样的曝光。判断能力的第二个依据是分布：AI的数学能力呈「锯齿状」，某些任务表现惊人的同时，另一些任务则远未达标。这次OpenAI倒是罕见地交代了算力账本，可以作为观察各家「战报」的基准。把单点突破外推成「AI全面攻克数学」，正是炒作最常见的放大方式。量子位机器之心微信
第二把尺子：问一句被展示的指标是不是目标本身。陶哲轩的核心判断是「证明稀缺」正在被「证明富足」取代——只要有足够算力、能访问前沿模型，短时间内就能拿到过去极难问题的解答。但解题只是数学长期价值的代理指标，当AI能批量交出答案，指标与目标开始脱钩。这正是同行最担忧的错位。「解出了题」并不等于「知识增加了」。机器之心微信
第三把尺子：检验「通过验证」与「符合人类目标」之间的断层，这正是黑盒药实验的落点。验证管「对不对」，理解管「是不是人类要的」，两关缺一不可。数学恰恰是验证最强、理解最难迁移的领域——纯数学证明能被机器机械检查，应用数学解答是否符合现实需求，却必须依赖人类的主观判断。批评者最顺手的反驳，是把争论拉回现实医学。可这只打中了比喻的外壳——实验设下的风险不是「药无效」，而是方案通过了流程、却偏离了「治愈癌症」这个真实目标。争论的另一端同样有支撑。两种立场并不互斥，实验真正的启示是把三件事分开追问：结果通过了哪几层检验、人类是否理解它、它是否服务于真实目标。机器之心知乎知乎
下次看到「AI攻克某难题」的新闻稿，先核对三件事：成功案例之外有没有一并报告失败尝试与算力成本；某个方向的惊艳有没有被偷换成全面能力；被优化的指标本身还配不配当目标。陶哲轩给出的替代路线也在同一场演讲里：11月13日至15日的Caltech Mathathon，将让学生用开源AI为已经证明的定理寻找更易懂的新证明——这条「理解优先」的路能不能跑通，11月中旬见分晓。而他对这场变革的总判断，适用于每一个被AI神话包围的行业。机器之心
