AI算力冲击数学界，人类智力尊严的新出口在哪

当AI开始涉足数学领域，一场关于智力尊严的争论悄然展开。9月8日，纽约大学数学家Tristan Buckmaster和Anthropic研究员Levent Alpöge在"克雷七大千禧年问题"之中的流体方程整体适定性问题上取得重要进展的传闻，迅速引发OpenAI调动巨大算力进攻该问题。仅88小时后，OpenAI就宣布得到克雷问题原始表述中C,D两个子问题的候选解答，并公布了论文和Lean形式化证明。

这一事件不仅引发了学术界的热烈讨论，更让人们对AI在数学领域的角色产生了深刻思考。Buckmaster质疑对方路线的来源，并指明两人输入Codex的未公开材料可能泄露；OpenAI虽否认读取具体数据，却承认无法完全排除匿名数据参与模型改进。候选证明尚待检验，争吵却已越出学术界。

9月11日，25位菲尔兹奖得主共同发表声明《人工智能在数学领域存在严重错位》（A Severe Misalignment of AI in Mathematics），警告AI公司把解决难题当作基准测试的做法，正在伤害数学本身。这不禁让人联想到18世纪中叶的纺织业变革：当詹姆斯·哈格里夫斯发明珍妮纺纱机后，英国织工的地位发生了根本性改变。同样地，AI的介入正在动摇数学界对技能和成果归属的传统认知。

前AI时代数学家的地位正建立在相似的稀缺性上。一个人通常要经过十几年训练，才能独立阅读前沿论文或获得同行认可。数学由此成为少数人掌控的技艺，而数学家则因完成了漫长的修行，被赋予某种近乎神圣的智力声望。这种声望维持了职业制度的合理性：培养过程越漫长，合格者越稀少，学术成果就越被视为不可替代的个人创造。

然而，AI的出现打破了这种平衡。正如E.P.汤普森在《英国工人阶级的形成》中所描述的，机器广泛使用以前，纺织并不是一种主要依赖体力的劳动。尤其在剪绒、织造等技术要求较高的工种中，劳动者必须经过长期训练，熟悉材料的性质，掌握一整套难以直接规范化的手上功夫。这限制了能够进入这些行业的人数，也使一部分熟练工人取得了其他劳动者没有的收入和地位。前AI时代的数学界也呈现出类似的特征：极少数学术谱系展现出惊人的影响力，仅在Laurent Schwartz之后五代之内，就诞生了占当时总数13.3%的七位菲尔兹奖得主。

面对AI的冲击，数学家们开始重新思考自己的定位。菲尔兹奖得主陶哲轩在Mathstodon上连发四段帖文，指出"识别一个有价值的问题"才是最稀缺、最宝贵的资源，而不是把题解出来。他打了个比方：一个国家可能严重缺水，却被大海包围——数学问题总量无穷多，但绝大多数（他举的例子是"算π的第10^10^10位"）毫无营养。AI把数学里"哪儿难、哪儿简单"的地形夷平了，却没画出"AI能做"和"AI做不动"之间的新边界。

这场争论不仅关乎数学的未来，更触及人类智力的本质。当AI接管了"解题"，人类剩下来的那点本事，还配不配叫作"探究"？这是摆在所有数学家面前的终极命题。