8.1
深览指数
人文虎嗅·返朴··AI 生成
当AI巨头开始在数学中圈地，数学家必须找准前进的方向
本文认为，AI对数学的冲击不仅是技术性的，更将从根本上改变数学的生产方式、成果形态和职业结构，并最终引发知识所有权和分配机制的政治经济学变革。作者指出，数学正分化为“为人脑提供洞察”的精美手工业和“为现实提供可靠工具”的工业化产品，数学家也将随之分化为精英研究者和普通“数学工人”。面对AI巨头对算力、数据和平台等生产条件的垄断，作者主张数学界不应反对AI本身，而应通过建立知识对价契约，要求商业模型将衍生知识回馈公共知识库，以对抗资本对知识的私有化。该文视角独特，将技术讨论上升至生产关系层面，适合对AI的社会影响、学术体制变迁和知识产权有深层兴趣的读者。原文 ↗
核心观点
- ▍AI巨头对算力、平台与数据的垄断，正在从根本上改变数学的生产条件与分配机制，数学界唯一的出路不是反对AI，而是通过知识对价契约夺回知识的公共属性。
- ▍AI将导致数学成果分化为‘为人脑提供认知洞察’的精细手工业和‘为现实提供可靠工具’的工业化产品，前者价值在于理解而非答案，后者则是人类无需直接理解的绝对正确产物。
- 012023年阿贝尔奖得主Luis Caffarelli在2008年访谈中批评数学界对Navier-Stokes方程等百年老题的执迷，认为应从交叉领域寻找生命力。
- 02Porter与Rafols(2009)的研究显示，数学论文中约69.1%的引用指向数学内部，而生物医学领域跨学科引用通常涉及12-13个学科类别，表明数学是主流科学中最‘单学科化’的领域。
- 03FitzGerald等人(2023)对美国150所高校百年间博士生轨迹的统计表明，在AI时代到来前，大量数学博士早已被排除出精英教职网络。
- 04截至2024年，近九成前沿模型来自产业界，顶尖大学已无法独立复制其算力规模，学术界日益依赖商业巨头的资源与接口。
- 05贝恩2024年4月的调查显示，在951家能衡量AI成本节约的企业中，40%的成本降幅不超过10%，与其AI投入不成正比。
反方 / 局限
- — 作者承认，数学家是否被替代不仅取决于AI的能力，更取决于外部对‘廉价数学’的需求能否扩张。若工程新需求未形成，自动化只会压缩既有岗位。
- — 作者以英国纺织工人历史为例，指出即使数学需求爆发性增长，新增收益也可能不会自然流向‘数学工人’，从业者需建立行业组织并争取技术判断权。
- — 作者指出当前依赖AI企业为数学‘代言’是一种期权套利，一旦AI投资泡沫破裂，押注特定企业平台或形式化语言的年轻学者将面临资源断供风险。
13 分钟 · 5 卡片 · 11 资料
读原文 →