AI 再次引起数学界地震。

日前，16 位知名数学家在荷兰莱顿大学发布了名为《莱顿宣言》的文件，明确反对 AI 滥用。目前，这份文件已收到全球超 600 名数学家支持以及国际数学联盟等机构背书。不少数学家担忧：如果 AI 解题成了唯一标杆，人类长久以来珍视的理解力、洞察力和判断力可能会慢慢被挤走。

此前，Open AI 宣布用 AI 模型解决了一个关于点与点之间距离的数学问题，推翻了 80 年经典数学猜想。菲尔兹奖得主蒂莫西 · 高尔斯对其高度评价 " 如果这篇论文是由人类撰写并提交给《数学年刊》，我会毫不犹豫地推荐接收。" 而今年 2 月以来，AI 工具 AxiomProver 已让 8 篇数学硬核领域论文现身预印本平台 arXiv，其中 5 篇已被权威数学期刊接收。

当 AI 在不断在前沿领域 " 攻城拔寨 "，这些数学家反对的究竟是什么？高校数学教育又将去往何方？对此，记者采访了多位人工智能和数学领域的专家。

AI 时代数学正从 " 证明稀缺 " 转向 " 证明过剩 "

在刚刚结束的高考中，让诸多考生叫苦不迭的 2026 年新高考 I 卷数学卷被 6 款主流大模型轻松拿下，满分 150 分，全员超 135 分，最高 148 分，选择题与多选题全员满分。

AI 在数学研究方面更是展示出了惊人的能力，而且 " 随着可学习数据集的不断丰富以及算力的提升，AI 还会在推演能力和速度方面展现对一般人的降维打击。" 复旦大学计算与智能创新学院教授张军平说。

有人刻薄地评论，数学家们对 AI 的反对，令人想起了工业革命刚刚开始时，工人集体砸机器的场景。但是细究宣言内容可以发现，这些数学家们反对的是对 AI 工具的滥用，导致低质量论文泛滥，并且提出所有证明的正误和责任由人类作者全权承担；而且反对科技公司利用数学成果训练 AI 后反向垄断，从而导致研究门槛提高。

知名数学家陶哲轩就公开表示，在 AI 的助力下，数学正在从 " 证明稀缺 " 时代进入 " 证明过剩 " 时代。

上午丢给系统一个尚未解决的开放研究问题，当天下午就能收到 AI 给出的完整且被验证过的证明。上海财经大学计算机与人工智能学院副教授崔万云谈到，大模型善于攻克那些看似 " 高深 " 的确定性认知任务——比如数学、编程、逻辑推理。" 凡是能给出明确反馈的任务，模型就能通过海量的试错与强化不断逼近正确。一段代码能不能跑通，一个证明是否逻辑自洽，这些清晰的对错信号，就是模型攀升的阶梯。这也是数学家们担心证明泛滥、论文泛滥的重要原因之一。"

人类数学家成为最后的 " 守门员 "

正如计算机的出现改变了数学研究 " 一张纸、一支笔 " 的计算模式，AI 的突飞猛进显然重塑数学研究的格局，并让数学研究的分工悄然改变。

长期以来，数学问题求解的过程可分为三个部分：证明生成、证明验证以及证明消化。过去最有价值的是生成部分。而如今，AI 工具的出现让生成部分出现了井喷。当生成成本被 AI 无限压缩，证明消化的价值愈发重要。

" 从这点来看，AI 非但没有攻破人类数学家的护城河，而人类数学家是最后的‘守门员’，起着辩伪的把关作用。" 上海财经大学数学学院教授王艳华认为，未来数学研究者不仅要用好 AI 工具做研究，更需要将 AI 辅助生成的证明读懂、讲透，并实际应用到物理世界。事实上，在莱顿宣言中也提到了证明必须是数学的基石‌，不能为了快就牺牲严谨性；‌结论必须能独立复现验证，不能黑箱操作。

更值得关注的是，AI 在跨领域知识的调用与重组上表现出很强的能力。AI 在几何研究中可以用到代数数论知识。但反观数学界，很少同时有人精通代数和离散几何。王艳华直言："AI 已经可以成为数学研究者拓宽思路的重要工具，未来将有更多跨学科成果出现。"

在部分专家看来，AI 在数学领域将迎来 "Move 37 时刻 "。"Move 37" 是指在 2016 年 3 月 AlphaGo 与李世石对决的第二局中，由 AlphaGo（执白）下出的一步。这步棋被公认为是围棋 AI 发展史上人工智能的棋力超越人类经验的里程碑时刻。在张军平看来，未来或许 AI 能够实现不再师从人类，而是在数学研究中 " 自成一套 "。

警惕 AI 滥用削弱思考和推理能力

在学者们看来，当机器接过基础研究中的 " 体力劳动 "，人终于可以全力以赴进行 " 脑力劳动 " ——去创造。问题在于，AI 的滥用正不断削弱人类的思考和推理能力。

牛津大学计算机科学系主任莱斯利 · 安 · 戈德堡就曾警告：AI 生成的错误论文就像建在烂地基上的房子，后续的研究盖在上面迟早会塌。" 说到底，顶尖数学家们反对的不是 AI 本身，而是对于工具的滥用。" 华东师范大学数学学院副院长程涛认为，无论机器如何发展，创新能力、提好问题的能力依旧是机器无法取代人类的关键，" 人类数学家的直觉无可替代。" 王艳华也提到，AI 眼下还无法替代数学家完成复杂的原创理论的构建，更不会有数学思想与数学审美。

不过，眼下在高校，培育这份创新能力面临诸多挑战。多位教师在接受记者采访时都无奈地谈到，越来越多学生习惯用 AI 完成课堂作业，甚至用 AI 提供的思路参加数学建模比赛，完成毕业论文。

" 以具体计算为例，虽然用 AI 可以算得又快又准，可在数学课上我们依旧强调让学生手写计算过程。这种练习确实不能快速得到答案，但却是提升逻辑能力和推理能力的必经之路。" 王艳华说，" 数学的美感就在于公式推演的过程以及长期积累后迸发的灵光一现。" 她感慨，如今不少学生急功近利，只想着 " 我需要做哪些题拿下高分 "，放弃过程只要结果。殊不知，如果没有前期扎实打牢基础，又何谈将来有创新能力呢？

因此，多所高校在制定 AI 使用规范的同时，还在强化教学改革。程涛认为，对 AI 时代的大学老师来说，学会提问以及设计一个原创性的好问题愈发重要。

" 说到底，确定性是可以被穷举和学习的，而创造力不能。" 正如崔万云所说，当 AI 越来越强大，人就越被推向那个只有人才能回答的问题：接下来，我们要往哪里走？