7.4
深览指数
人文腾讯新闻·机器之心··AI 生成
OpenAI横扫100多道世界难题，他却说：数学才刚开始
在OpenAI模型攻克100多道世界级数学难题、引发数学界普遍焦虑的背景下，多伦多大学数学家Daniel Litt发文提出一个更积极的判断：数学不会因AI而终结，而是站在新起点。核心论点是，AI能生产答案，但无法替代人类对答案的深层理解。文章区分了数学的学术制度和数学本身的价值，主张废除以论文答辩为主的博士评价体系，转向考察学生对数学的真正理解和传达能力。这是一篇切入角度独特、非唱衰也非盲目乐观的理性思辨文章，适合关注AI对知识生产与教育范式冲击的深度读者。原文 ↗
核心观点
- ▍AI可以生产数学答案，但无法替代人类对答案的深层理解；数学不会因AI而终结，人类数学家反而可能更忙。
- ▍数学界应主动将评价标准从事后考核（论文、学位）转向过程考察（面对面追问、对深刻问题的真实理解与传达能力）。
- 01OpenAI的一个内部模型在2025年9月宣布已攻克100多道世界级数学难题，横跨数学大部分领域，该模型自8月28日才开始训练。
- 02Litt引用了时间线：三年前AI连加法都常出错；一年前OpenAI和DeepMind的模型获得IMO金牌水平；现在开始自主解决重要公开问题。
- 03Litt认为数学共同体对目标没有共识：有人追求解题，有人视其为游戏或诗，有人信仰希尔伯特式普适主义，其本人则将目标归纳为生产并理解高质量数学、培养高质量的数学家。
- 04Litt指出，过去评价体系以“证明定理”为核心，但即便是猴子或计算机机械应用公理也能产生定理，说明数学界真正看重的远不止逻辑成立。
- 05Litt主张将博士论文的两个功能分开：贡献新结果（数学进展）与证明学生掌握能力（数学能力），未来学位授予应更多依赖严格答辩，考察学生对深刻问题的真实理解和传达。
- 06Litt认为筛选“什么问题值得研究”的能力长期被低估。AI之所以能解开放难题，是因为人类共同体已预先筛选出有价值的问题，未来应更明确奖励能构建研究纲领的人。
- 07Litt指出，当AI能“氪金”解决数学问题时，某些悬而未决问题所驱动的迂回探索（如发展辅助理论）可能会消失。他承认这是真实损失，但认为答案本身带来的理解和新困惑值得高兴。
反方 / 局限
- — Litt并不赞成数学家立刻将“提好问题”作为新评价标准，因为学术制度变化太慢，而模型能力升级太快，今天追着AI短板定标准，明天AI就可能补齐。
- — 文章暗示了如下局限：若AI未来能够提出高质量猜想并自主证明，若人类对绝大多数新结果无人理解且不关心，则这些结果在纯数学中的价值有限。
10 分钟 · 4 卡片 · 12 资料
读原文 →