多年以后，面对人工智能，数学家们或许会想起 OpenAI 震撼数学界的那段遥远时光。
10月6日，OpenAI 在 GitHub 上一次性发布了722份手稿，其中包含372个数学难题的证明研究，给数学界带来了巨大冲击。
这些题目的难度我们无法完全理解，但从数学界内部研究员的反应来看，这可能比之前 GPT 快速解决千禧年难题更令人震惊。
罗格斯大学的数论学家 Alex 直言，这简直是在开玩笑，准黎曼猜想都被解决了，菲尔兹奖干脆直接颁发好了。
英国皇家学会的研究员 Thomas 则更为淡然，建议大家休假、陪伴家人、感受自然，之后再回来工作。
没办法，上次千禧年难题被快速解决时，大家的感受还没那么强烈，因为数学的细分领域繁多，隔行如隔山。
但这次 OpenAI 不按常理出牌，轰炸范围横跨17个领域，包括数论、代数、几何、拓扑等，火力覆盖范围全面展开。
此外，解题成本也大幅下降，之前解 NS 方程时，需要上万个 Agent 共同工作88小时，但这次平均每个问题仅消耗 ChatGPT Pro 三个小时的计算资源。
没错，甚至还是 Chat 模式。
难道数学真的要走向终结？
从传统视角看，确实不容乐观，我们之前采访过业内人士，大家可以看看（15分钟一局的王者荣耀，成了数学博士生的避难所），AI 辅助数学研究的趋势其实早已不可阻挡。
但眼下争议的焦点并不在此，而是 OpenAI 这些模型厂商大量发布的粗糙证明，可能正在损害数学，甚至科学研究本身。
因为他们发布的证明过程和论文，很多内容冗长且逻辑混乱，虽然能通过机器验证，但很难转化为人类能理解的知识。
数学家们已经多次呼吁这个问题。
上个月11日，在 NS 方程问题被解决后，陶哲轩联合25位菲尔兹奖得主发布了联合声明，强调的重点正是这一点。
他们指出，AI 在数学领域确实强大，但现在的使用方式存在严重问题，不能让 AI 公司把数学题当作基准测试来刷。
这次事件后，人类数学协会 AHM 发布的声明更加激烈。
他们呼吁数学家停止与 OpenAI 合作，因为这家公司只注重展示实力，忽视科研规范，大家应该重新回到以人类为中心的科研模式。
这并非是被 AI 抢了风头的抱怨，而是他们切实感受到，AI 这种大量发布的方式，真的会引发问题。
例如，今天下午，OpenAI 就撤回了已发布的3份手稿。
原因很简单，一篇论文中的一个正负号错误，导致关键结论出错，并引发连锁反应，拖累了另外两篇依赖它的论文。
不说别的，如果 AI 公司继续这样操作，连锁反应的链条可能会越来越长，幻觉自然会不断加剧。
当然，数学证明出错并非罕见，人类数学家也经常犯错。强如证明费马大定理的怀尔斯，也花了一年时间修补最初的证明过程。
但麻烦的是，AI 的速度实在太快，快到了另一个层次。
以前数学成果一篇篇地发布，大家还能慢慢审核、慢慢讨论。
现在 AI 一口气抛出几百份，验证对错、梳理思路、整理成人类能理解的知识，这些最终都得落到人类数学家的头上。
别忘了，他们刚刚被 AI 轰炸了一轮，又该以怎样的心情去为 AI 善后呢？
而如果没有这些整理和沉淀的过程，许多孤立的证明结果，很可能也没什么用处。
因为比起证明本身，数学研究中更值得关注的，其实是隐藏在证明过程中的新思想和新工具。
就拿刚才提到的费马大定理来说，看似只是一个简单的方程，但数学家们前赴后继地努力了358年，才在怀尔斯接棒后彻底解决。
这三百多年的坚持，如果只是为了得到一个是否有解的结论，那可就亏大了。
数学家们最大的收获，正是为了寻找答案而不断构建的各种数学工具。
例如，19世纪库默围绕数的分解问题发展出的理想数理论，后来成为现代数论的根基之一。
还有20世纪的椭圆曲线，直接走出了纯数学领域，被应用于密码学，我们网上聊天的数据传输也有它的贡献。
还有模形式、伽罗瓦表示等等，一代又一代，各自发展壮大，最终在怀尔斯手中逐渐联系起来。
当他最终攻克费马大定理时，真正证明的其实是一个范围更广的数学结论，费马大定理反而成了一个顺势得到的推论。
而这些过程中产生的理论和方法，并不会随着这道题的结束而退役，反而会成为数学家研究其他问题的有力工具。
纪录片中，怀尔斯自己就说过，一个好的数学问题，价值不在于问题本身，而在于它能催生出怎样的数学。
证明可以终结一道题，但真正有生命力的数学，是从一道题出发，让人类看到此前看不见的东西。
但不巧的是，根据一些数学研究员现阶段的反馈来看，这部分恰恰是 AI 的短板。
AI 确实善于调用不同工具，东拉西扯地将各个领域的知识组合起来，但它组合的工具基本都是已有的，也就是人类之前创造的。至于它自己是否创造了新工具，那得等这七百多份“手稿”被理清楚才能知道。
这种缺乏“创造力”的短板并非一时的刻板印象，而是许多业内大佬的亲身体会。
18年的菲奖得主 Alessio 在谈到 AI 的使用体验时说，如果一道题没有公认的解题思路，也没有相关文献和先前成果，AI 就非常容易抓瞎。
大佬使用的模型与 OpenAI 的内部模型肯定无法相比，但就算这次真的有新工具问世，也还是会回到那个老问题：如何被人类理解，又如何复用？
这可能是数学家，甚至科学家真正在意的东西。
因为我们总不能只当个观众，不断为 AI 大人攻克难题而喝彩，却对它用了什么、怎么做到的一无所知。
眼下的窘境就是如此，随着这些证明越来越便宜，理解反而越来越贵了。
因为说到底，数学的证明还是得靠数学家们一点点解读给普罗大众，但他们的动力和回报，在 AI 这种无差别的轰炸下，正在逐渐缩小。
如果没人再愿意去解读 AI 的抽象论文，那么这座堆砌起来的数学大厦可能会成为《三体》中的黑域，看似掌握了前所未有的力量，实则化身为理解的屏障，把文明锁死在里面。
作为地球上现存的人类物种，我们智人能走到今天，可不止会用工具而已。
你看 BBC 的纪录片里，黑猩猩都会用树枝插棉花糖烤着吃。
但它们可不会琢磨，这火到底是怎么烧起来的，除了烤棉花糖，还能拿来干点啥？
而我们正是靠着这一路琢磨的动力，才从山洞里的篝火旁折腾到了现在。
说白了，会用工具、知道结果，与理解工具背后的原理，终究不是一回事，科学也从来不止于发现，更在于不断刨根问底。
没了这股动力，再过一百万年，我们也未必能走出文明的山洞。
图片、资料来源： OpenAI、GitHub、X、知乎@Algebra、哔哩哔哩@钰子一、陶哲轩博客、AHM、部分图源网络 本文来自微信公众号“差评X.PIN”，作者：风华，编辑：江江 & 面线，36氪经授权发布。
+1.5万 
