陶哲轩牵头25位菲尔兹奖得主抵制OpenAI，数学界警示AI暴力解题危及学科根基

2026年10月，OpenAI在GitHub公开722篇由其模型生成的数学手稿，涵盖372个成果系列，涉及准黎曼猜想、四维挂谷问题等长期悬而未决的难题；此前9月8日，其宣称已解决七大千禧难题之一的三维纳维-斯托克斯方程；10月初，Astra模型协同研究人员在24小时内刷新整数乘法运算下界纪录——这一连串高调动作，将AI与数学界的张力推向顶点。

面对此情此景，数学界罕见地集体发声。9月11日，包括陶哲轩、彼得·朔尔策（Peter Scholze）、邓煜在内的25位菲尔兹奖得主联名致信，谴责OpenAI将数学难题当作性能Benchmark进行“暴力破解”；10月12日，“人类数学协会”（AHM）正式成立并发布联合声明，明确表示“全球数学界集体行动，全面抵制OpenAI”。

这场风波的核心人物是菲尔兹奖得主、加州大学洛杉矶分校教授陶哲轩。半年前，他仍是AI最坚定的支持者：频繁在博客分享与ChatGPT协作解决Erdős问题的经历，称数学正经历“哥白尼革命”，并在IPAM会议上呼吁同行“别太死板”，直言AI已在数学与理论物理领域“Ready for primetime”。

转折发生于2026年夏季。他在SAIR论坛上痛斥模型厂商“简直是疯了”，指责其“无休止加速却对后果一无所知”，并迅速转向系统性批判。其态度转变并非情绪化反应，而是基于对AI介入方式的深度观察：早期他总结出“小尺度AI很强，中尺度会强化错误直觉，大尺度可提供启发”的经验规律；但当AI开始批量产出“答案”而非“理解”，他意识到问题已超出效率范畴，触及数学学科的本质。

数学家们的担忧集中在三个层面。

首先是成果可信度危机。OpenAI发布的722篇手稿中，仅约42%通过Lean形式化验证系统检验；多篇因逻辑缺陷被紧急撤回。更严峻的是，许多证明依赖高度非直观的构造与跳跃式推理，人类专家需借助另一AI工具才能勉强通读，被批评为“符号垃圾”——即看似严密、实则无法复现与传承的形式化文本。这种“黑箱证明”违背了数学共同体百年来建立的可验证、可讨论、可修正的知识生产机制。

其次是学科功能异化。数学的价值从来不仅在于“解出某题”，而在于提出好问题、创造新概念、构建新框架。如丘成桐所言，费马大定理的证明之所以伟大，不在于结论本身，而在于怀尔斯由此发展出的模形式与椭圆曲线新理论。AI能高效穷举路径、组合已有工具，却难以产生真正原创的思想跃迁。当研究重心从“为什么”滑向“是什么”，数学或将沦为技术附庸。

第三是代际能力退化风险。年轻学者若习惯直接调用AI输出结果，将丧失对证明结构的直觉把握与推演能力。正如康奈尔大学应用数学家Steven Strogatz所言：“2026年将被记住，或者作为数学的奇迹之年，或者作为灾难之年。”他落泪坦言，这可能是“数学的黄金时代，也是数学家的失落时代”。中国人民大学高瓴人工智能学院副院长魏哲巍进一步指出，二者很可能本就是同一年。

值得注意的是，数学界并非全盘拒斥AI。陶哲轩等人提出的方案具有建设性：改革学术评价体系，弱化“首个证明”的执念；推动人机协同规范，要求强制标注AI使用部分；将重心转向阐释、验证与教学转化。他们反对的不是AI参与科研，而是将其简化为“解题竞赛”的功利化路径。

与此同时，学界也在探索合作路径。丘成桐牵头组建“数学与人工智能实验室联盟”，汇集数学家与计算机科学家，共同制定人机协同研究准则。该联盟强调：AI可加速计算与搜索，但核心问题设定、理论建构与意义判断仍须由人类主导。历史经验表明，新工具未必取代旧领域——1976年四色定理的计算机证明曾引发类似恐慌，但数学并未终结，反而催生了计算拓扑等新方向；AlphaFold解决蛋白质折叠后，结构生物学进入更深探索阶段。

关键分歧在于：AI是否应被允许“跳过理解”直接输出结论？当前大模型仍存在显著幻觉，且缺乏学术责任感——它无需解释为何选择某条路径，也无义务确保推理链完整。而人类学者必须承担起核验责任，这导致“生成速度远超验证能力”的失衡。短短数日内OpenAI撤回十余篇手稿，恰恰印证了这一脆弱性。

数学的浪漫，在于孤独思考中的灵光乍现，在于数十年如一日对一个命题的执着追问。高斯从大量素数数据中猜出分布规律，怀尔斯隐居七年构建证明框架，驱动他们的不是答案本身，而是对世界秩序的好奇与敬畏。AI擅长延展已有知识网络，却难以凭空生发那种源于直觉的“好问题”。倘若未来数学研究沦为对AI输出的被动校验，学科的灵魂或将黯淡。

目前，OpenAI已设立“数学与人工智能独立咨询小组”，并称其成果发布遵循外部建议。但数学界普遍认为，技术迭代的速度远超伦理与制度响应能力。陶哲轩的警示值得深思：当AI以“大力出奇迹”方式攻克千年难题时，我们失去的或许不是工作机会，而是理解世界的一种独特方式——那种需要耐心、直觉与哲学沉思的思维方式。

大潮已至，回避无益。真正的挑战不在于阻止AI进入数学，而在于确保它成为思维的延伸，而非替代。正如一位资深数学家所言：“机器可以算出100万种解法,但只有人类能问出那个值得解的问题。”