8.5
深览指数
科技虎嗅·知识分子zsfz··AI 生成
丘成桐谈AI冲击数学：最兴奋，也是最危险的时代
丘成桐认为AI对数学的冲击如同「海啸」，过去半年进展远超预期。他牵头成立数学与人工智能实验室联盟，主张主动「冲浪」而非躲避。席南华、何旭华等学者则强调，AI生成的数学结果缺乏可读性与可验证性，与数学共同体长期形成的规范（责任、可复现、可理解）产生冲突。文章核心不在于总结AI能解多少题，而在于揭示了AI时代数学「解决问题」与「产生理解」之间的根本张力，并探讨了数学人才培养评价体系面临的重塑压力。适合关注AI对基础科学范式冲击、学术规范演变的深度读者。原文 ↗
核心观点
- ▍AI对数学的冲击不是渐进式的，而是「海啸」级别的范式变革，学界必须主动参与塑造，而非被动防御或逃避。
- ▍AI生成的数学结果与数学研究的本质（产生理解、新视角与方法论）之间存在根本冲突；「解决问题」不等于「完成研究」。
- 0110月6日，OpenAI一次性公开722份由AI生成的数学研究手稿，但其中3份于次日因符号错误被撤回，14份需要修订，暴露出可复现性与严谨性问题。
- 02丘成桐明确指出，AI发展是指数级增长，而国内大模型性能未达世界领先水平，且国外AI大公司聚集了最有能力的学者，存在人才与资源差距。
- 03席南华以欧几里得证明素数无穷与欧拉用无穷级数再次证明为例，论证一个问题的「解答」不是终点，新证明能开辟全新领域（如解析数论）。
- 04何旭华强调，OpenAI输出的结果缺乏可读性与可解释性，数学家仍需投入大量精力去理解和验证，甚至比原本的工作量更大。
- 05刘正伟举例，其团队学生与AI互动，一个月内将算法运行速度提升至原来的千倍量级，从底层想法到技术实现的周期被大幅压缩。
- 06田野指出，哈佛大学的高等教育研讨会已讨论博士培养目标变更：不能仅以「提交论文或证明难题」为终点，需转向理解深度与独立判断能力。
反方 / 局限
- — 文章未深入探讨AI在对数学「美感」或「创新点」的发现上是否存在天花板，以及AI是否能产生如「陈省身证明」那样开启新篇章的工作。
- — 席南华称此为「旧的秩序失去，新的秩序未产生」的混乱期，暗示联盟能否真正建立有效的新规范仍是未知数。
10 分钟 · 4 卡片 · 11 资料
读原文 →