过去，数学家常要用几十年等待一道难题的答案；如今，他们需要学着应付 " 太快 " 的答案。

10 月初，人工智能公司 OpenAI 在代码托管平台 GitHub 上一次性公开了 722 篇未经同行评审的数学手稿。这些手稿由其内部大模型撰写，横跨数论、代数几何、理论计算机科学等 17 个方向，其中不乏准黎曼假设、四维挂谷问题这类重大难题。但第二天，其中 3 篇关于霍奇猜想的论文就因一个正负号错误被撤回。

" 一次性发布 700 多份文件，展示的不是学术研究，而是权力。" 菲尔兹奖得主陶哲轩在个人博客转发 " 人类数学协会 "（AHM）的声明，其中这句话被广泛引用。这场在全世界引起轩然大波的成果发布，到底意味着什么？文汇报记者采访了多位相关学者。大部分学者表示：AI 离真正替代数学家还有很远；但数学家该如何与 AI 相处却是迫在眉睫的事。

" 奇迹 " 还是 " 草稿 "

"OpenAI 自己发布论文之前，没有用 Astra（OpenAI 的大模型）检查一遍吗？" 加州理工学院数学系教授倪忆提到一个颇具讽刺意味的细节：被撤回手稿的错误，是 Reddit 论坛的网友用 OpenAI 自己的模型找出来的。他在文章中提醒，这批论文里只有一篇在发布前经过人类验证，不到一半经过 Lean（一种把数学证明写成代码、交给机器逐行验证的形式化语言）检验。不过两个月前就有人利用漏洞，用 20 行代码骗过了 Lean。他打了个比方：假如有个超级智能体宣称 3 小时能造一座桥，为了秀肌肉一口气造了 722 座，第二天塌了 3 座，" 那你还敢用其余的桥吗？"

" 这就是一堆草稿。文章组织很差，数学符号很奇怪，里面塞一堆对结论没用的中间结果，还会出现跳步、未定义过的东西。" 复旦大学上海数学中心青年研究员林伟南的主要研究方向是代数拓扑。他告诉记者，这批成果里和自己方向直接相关的大约有七八个。"AI 现在数论和组合确实很强，拓扑和代数几何还相对弱一些；它翻车的，往往是历史论文里错误就比较多的领域，比如辛几何——很可能训练数据就‘带毒’。"

大部分数学家感受到的是，在 AI 的辅助下，解决问题的速度比以前快了，研究论文不再稀缺。" 有好多朋友来问我，数学家以后是不是就没工作了。" 上海财经大学数学学院教授王艳华告诉记者，今年 6 月，AI 在她研究的代数方向，为一个多年找不到反例的著名猜想找到了反例。" 在我们小圈子里算热闹了一阵，但并没有谁的研究生涯被打乱。"

她以 " 素数间的有界距离问题 " 为例， 2013 年著名数学家张益唐给出了素数间的距离不会超过 7000 万的重磅结论，原来人们连 " 素数间的距离是否存在一个有限上界 " 都不知道。后人乃至 AI 只是在张益唐工作的基础上把这个 7000 万变成更小的数，" 目前 AI 的工作基本上很难有全新的思路和新方法 "。

数学的发展，在 " 解题 " 之外

比 "AI 到底会不会证明 " 更根本的追问，是数学本身的价值坐标。陶哲轩 10 月 9 日在加州理工学院的公开演讲《Math2.0》里，把传统数学称为 Math1.0，一个 " 证明稀缺 " 的时代。而如今，AI 正让数学进入 " 证明逐渐丰裕 " 的时代，旧的评价方式必须调整。在他看来，研究过程和答案同样重要。开放问题像灯塔，研究者向它走去，真正重要的发现却常常发生在途中——有人发现此路不通，学会了辨认一类障碍；有人为接近答案，发明了能在别处反复使用的方法。

他担心的是，学科只剩下 " 持续清空开放问题清单 "，但数学和能理解、质疑、提出更好问题的数学人才却没有改变。在 Math 2.0 设想里，AI 自然可以为数学研究的发展提供支持，但是 " 我不相信 AI 能够提出真正有意义的问题。比如坐标系。有了坐标系以后，几何可以写成方程，我们对空间、高维空间的理解都完全改变了。真正的原创仍然来自人的志向、直觉、经验和想象力。"

对王艳华而言，数学是她的热爱。她喜欢做数学科普，会用菠萝纹路和松塔螺旋告诉小朋友，数学到底是什么。她反复告诉学生，要 " 享受数学 "，因为 " 数学更像一种艺术。就像书法，机器打字又快又便宜，但你不亲自提笔，就体会不到那种美。"

改变，正在发生

AI 给数学带来的变化，其实早已悄然发生。王艳华告诉记者，以前的数学建模论文，基本不会有完全一样的，但自从去年 AI 大量使用后，" 不可想象，不同论文的小数点后四位都一样 "。在教学过程中她也发现，有个别学生 PPT 是 AI 做的、论文是 AI 写的，被问到自己论文里的公式却讲不出来。"

著名的预印本平台 arXiv 已经规定，每位实际提交者每个自然月最多提交 2 篇论文，很大原因就是 AI 导致的论文泛滥。不少大学正在讨论在 AI 背景下如何更好地培养人才，王艳华说：" 我们不排斥 AI，但必须合理地使用。

数学家也已经行动起来，寻找与 AI 相处的正确方式。前几天，丘成桐数学与人工智能实验室联盟正式成立。联盟汇聚约千名科研人员，将开发面向数学研究的专用模型，建立可共享的形式化数学库和算力平台。

就在 OpenAI 发布手稿后不久，谷歌 DeepMind 的数学研究，在同行评审之后正式发表于《科学》，展示了 AI 做数学研究的另一种范式。由 Gemini 大模型驱动的 AI 数学证明 Agent 框架，解决了 9 道埃尔德什开放问题，其中两道题足足悬了 56 年。此外，这一智能体还顺手证明了整数序列在线百科全书（OEIS）里的 44 个猜想、搞定了一道搁置 15 年的代数几何难题、还改进了凸优化领域里一个沿用已久的理论边界。

华东理工大学信息科学与工程学院教授陈志华给当下学生的建议是：打好数学和编程基础，重点提升大模型应用、科研问题分析和实验验证能力。" 既要会用 AI 工具，也要能判断结果是否可靠。" 他们尤其提醒学生不必再在 " 缺乏明确目标的重复调参 " 上死磕。

林伟南的想法则更简单：还是要做 " 有价值的问题 "。" 问题被 AI 做掉了，就去做更难的问题——大不了，和 AI 合作。"