近期，人工智能在数学领域的惊人进展，引发了一场深刻的讨论，多位菲尔兹奖（数学领域的最高荣誉）得主纷纷发声，探讨一个引人深思的问题：人工智能是否会“杀死”数学？这场讨论的核心，并非AI是否强大，而是当AI过于强大时，数学这门古老的学科及其从业者将何去何从。
这场风暴的中心，源于几位顶尖数学家的亲身经历和观察。菲尔兹奖得主蒂莫西·高尔斯（Timothy Gowers）在测试了一款据称是“ChatGPT 5.5 Pro”的先进AI模型后，感到非常震惊。他将一些博士生水平的数学难题交给AI，在没有提供任何数学层面指导的情况下，AI在短时间内就得出了具有博士论文水准的成果。这让他替年轻的数学研究者，尤其是博士生们，拉响了警报。过去，博士生的训练模式通常是解决一个难度适中的公开问题，以此入门并建立研究能力。如今，这些“入门级”的研究赛道，正被AI迅速“碾平”。对年轻学子而言，未来的挑战可能不再是“证明一个无人证过的东西”，而是“证明一个AI也证不了的东西”，这无疑极大地抬高了科研的门槛。
另一位菲尔兹奖得主雅各布·齐默尔曼（Jacob Tsimerman）的行动则更为激进。他在2026年获得菲尔兹奖的当天，便宣布将加入OpenAI，投身AI安全研究。他判断，AI在数学领域的推理能力可能在两年内超越人类，因此他已停止招收传统方向的研究生。因为他担心，今天入学的学生，毕业时可能发现自己的职业入口已经消失。
然而，“杀死数学”的含义，在不同数学家眼中并不相同。高尔斯和另一位菲尔兹奖得主陶哲轩（Terence Tao）提出了两种截然不同的“危机”模式。
高尔斯的担忧更接近于“撑死”——他称之为“富营养化”。他设想，如果AI能以指数级速度生成海量完全正确、但人类无法理解的证明，数学将会发生什么？届时，数学论文将像流水线产品一样涌入数据库，发现和证明不再稀缺，判断“哪些结果重要、哪些值得理解”的能力反而成了瓶颈。人类专家可能会因为缺乏练习和“被需要”的动力而逐渐消失，最终导致数学虽然文献空前繁荣，却成了一片无人能真正理解和传承的“思维墓地”。
陶哲T轩则提出了“证明消化不良”（proof indigestion）的概念。他认为，数学研究的完整流程包括“生成-验证-表述-发表-正典化（写入教科书）”。AI极大地加速了前两个环节，却导致后续环节严重“堵车”。证明像潮水般涌来，但人类有限的注意力、同行评审机制以及将知识内化为深刻理解的过程，却无法相应提速。他警告说，数学正从一个“证明稀缺”的时代，进入一个“证明过剩”的时代。这动摇了数学界几百年来以“第一个解决问题”为核心的荣誉体系和价值观。
不过，并非所有声音都如此悲观。许多数学家，包括陶哲轩本人，也展示了AI作为强大工具的另一面。陶哲轩在研究“克雅可比猜想”等难题时，就熟练地将AI作为助手，让其负责繁琐的计算、验证和文献检索，而自己则专注于提出正确的问题、检查结果和把握研究方向。这种“人机协作”模式表明，AI并非单纯的竞争者，更是思考能力的延伸。专家的判断力在AI时代非但没有贬值，反而因其能驾驭和验证AI的输出而变得愈发关键。
新科菲尔兹奖得主邓煜等数学家也表达了相对审慎的看法。他们认为，AI目前在各自研究领域（如偏微分方程）的影响还很小，其擅长解决的问题类型与人类数学家关注的核心困难并不完全重合。AI善于组合现有知识和补全细节，但在提出全新概念、判断研究价值等原创性思维方面仍有欠缺。他们普遍认为，AI会改变数学家的研究模式，但不会终结数学研究本身。人类会把AI能做的工作纳入常规流程，并在此基础上展开更高层次的探索。
更深层次的分析，则触及了AI进行数学推理的本质。高尔斯观察到，近期AI在数学上的重大突破，很多是通过“找反例”或“构造特殊例子”实现的。他认为，这得益于AI“知道得多”（拥有海量知识库）和“试得起”（低成本高通量试错）两大优势。AI擅长在一个巨大的、人类无法穷举的空间里，通过跨领域知识组合和海量尝试，找到那个关键的特殊对象。但这更多体现了其强大的搜索能力，而非人类数学家那种被称为“鼻子”的、判断研究方向是否有前途的深刻直觉。
另一位菲尔兹奖得主迈克尔·弗里德曼（Michael Freedman）则从“压缩”的视角，提出了一个颠覆性的理论。他认为，人类数学的本质不是暴力穷举逻辑可能性，而是一场持续了3000年的“压缩工程”。人类通过发明“位值表示法”、“向量空间”等抽象概念（宏），用简洁的符号和规则来编码和处理海量信息。人类数学之所以能发展，是因为它始终在寻找那些“可被压缩”的结构。而AI如果仅仅是提升算力，在形式逻辑“双指数级爆炸”的复杂性海洋面前，终将徒劳无功。真正的出路，是让AI学会像人类一样，识别并创造可压缩的结构，即发展出量化的“压缩直觉”。
面对这场由AI引发的变革，数学界已经开始行动。2026年发布的《莱顿人工智能与数学宣言》，获得了国际数学联盟的支持。宣言主张研究者应主动披露AI的使用情况，并坚持由人类作者为成果的正确性负全责。陶哲轩对此进一步阐释：如果一位作者不能清晰地讲解自己的AI辅助成果，那么这个成果就不应该被发表。这旨在重新确立人类在知识创造中的核心地位——从单纯的“答案生产者”转向“意义的阐释者和消化者”。
“人工智能可能会杀死数学”这一论断，并非指向数学这门学科的消亡，而是指向传统数学研究范式、职业生态和价值体系的深刻危机。一方面，AI的强大算力和搜索能力，正以前所未有的效率解决难题，但也可能导致知识过剩、人才培养体系被动摇，以及人类理解能力的边缘化。另一方面，AI也正成为顶尖学者手中的利器，帮助他们突破认知极限，探索更广阔的知识疆域。
这场讨论的核心，最终回归到一个古老的问题：我们为什么要做数学？如果数学的目标不仅仅是获得正确的答案，更是一种关乎理解、审美和构建人类知识体系的活动，那么AI的胜利便不会是人的退场。未来，最有价值的能力可能不再是计算和证明，而是提出好问题、设计研究路径、消化与解释知识，以及做出关键价值判断的能力。人类对秩序、结构和未知的好奇心不会消失，但一种以追求速度和数量为中心的数学研究模式，确实可能走向终结。
