技术的双刃剑：从二元对立到动态平衡

近期，一家领先的商业 AI 公司一口气发布了 七百多个数学证明，引发了关于“AI 取代数学家”的激烈讨论。然而，陶哲轩指出，真正的问题核心不在于机器是否抢走饭碗，而在于 学术诚信、成果归属以及数学本身的灵魂。他认为将人简单划分为“支持”或“反对 AI 的两派是过于简化的，技术从来都更为复杂。正如我们不会因为汽车比走路快就废除步行一样，AI 在提升效率的同时，也可能取代那些虽慢但极具价值的深度思考过程。

邓煜补充道，AI 的一个极佳使用场景是处理那些 思路明确但细节繁琐 的任务。当研究者已经掌握解题思路和步骤，仅因执行过程过于复杂而耗时过长时，将这部分工作交给 AI 可以节省大量时间，让人类专注于更根本的问题。陶哲轩强调，理想的状态是找到平衡：既利用 AI 的强大能力加速研究，又保留人类在 积累理解、建立学术社群以及保持对学科深层掌控方面的优势。这是一种人与 AI 共同进步的动态过程，而非零和博弈。

“你可以问，你支持汽车还是反对汽车？... 事情从来没那么简单。每种技术都有好处和坏处。”

“理想的情况当然是两边的好处都能保留... 让人类保持对这门学科的理解，同时用上这些非常强大的方法。”

学术诚信危机：激励错位与文献污染

尽管 AI 生成的证明在技术上令人印象深刻，但其发布方式引发了严重的 学术文献污染问题。陶哲轩提到，部分预印本因基本的正负号错误被撤回，且文字叙述与代码严重脱节。这种由商业巨头快速、不成熟地公开成果的行为，迫使学术界花费大量时间免费纠错。陶哲轩指出，我们需要改变 激励机制：传统数学界奖励的是对问题的透彻理解、清晰讲解及后续衍生研究，而科技公司解出问题往往只是训练模型的 副产物（Benchmark），缺乏必要的解释与洞见。

邓煜进一步从“理解”的本质角度分析，指出数学研究存在两条边界：一是已证明问题的集合，二是人类真正理解其证明的问题集合。过去这两者重合，但现在 AI 可能知道证明而人类不理解，导致 第二条边界的出现。这引发了成果归属的公平性问题：当 AI 基于过去千年的科学文献生成答案时，若无法透明地追溯来源（Citation），就切断了 想法传承的链条。陶哲轩强调，AI 应像人类科学家一样注明功劳归属，否则就是淡化了前人贡献。目前 AI 在追溯来源方面做得很差，甚至直接复用他人输入 ChatGPT 的想法而不加说明，这是学术界必须正视并试图通过开放模型来解决的问题。

“结果他们得想办法处理，或者得由我们来处理... 我们需要的并不只是解除这些问题本身，我们想要的是更广泛的理解，还有洞见。”

“科学文献本来就应该向所有人开放... 而现在有了一种技术，可以把科学家和数学家一千年来的全部文献拿过来，用一种不太透明的方式把这些文献转化成答案。”

构建开放生态：SAIR 与 OpenMath OS

面对产业界与科学界的脱节，陶哲轩作为 SAIR 基金会主席，牵头推出了 OpenMath OS。其愿景是由数学界自己开发符合学界价值观的工具，减少对大型闭源科技公司的依赖。虽然陶哲轩承认专有模型在文献检索等特定场景下非常实用，但其不透明的引用机制和缺乏理解的证明输出不符合数学界的长期利益。因此，SAIR 决定加速发布一个基于现有开源模型的操作系统框架，旨在整合模型与工具，促进社区协作。目前虽无自研新模型，但已搭建好基础设施，并正在召集团队提供数据、算力及训练支持。

邓煜表示参与此项目是因为坚信 科学必须保持开放，AI 辅助科研不应建立在闭源工具之上。他观察到全球多个团队正在采取类似行动，这表明让数学和科学保持开放已成为学术界的共识。在 AI 时代，人类的核心竞争力将转向 提问能力与整体规划力。陶哲轩举例说明，当人类对问题有深刻理解并具备证明思路时（如随机偏微分方程问题），AI 能在极短时间内完成执行。邓煜强调，关键在于确保使用工具时人类的能力是在 增强 而非退化，年轻一代若能掌握这些开放工具并清晰认知其边界，将能激发出极具创造力的新想法。

“我的愿景之一就是为数学界提供工具，由数学界自己开发，也符合数学界的价值观和目标。”

“关键是让人的能力变强... 人变得更聪明，对事情理解的更透彻，而不是为了从AI那里拿到答案就牺牲自己的能力。”

AI辅助研究的边界：从理解到引导

尝试向新的方向探索时，核心在于问对问题。这要求研究者不仅要有整体规划，更要具备深厚的专业理解。陶哲轩指出，AI在某些情况下表现优异的前提是：人类已经对问题有了很好的理解，甚至最好能提供一个具体的证明思路。例如，如果已知某种方法可以解决问题，AI往往能够执行并得出结果。

他举了一个具体的例子：合作者 Byron Brinman 展示了一道随机偏微分方程问题。由于大家大致知道该怎么做，Brinman 使用 GPT Astra（注：此处转写可能指代特定模型或工具，原文为Astra）进行测试，结果在一到两天内就解出了该问题。但这依然建立在人类对问题的深刻理解之上。因此，提出全新想法的能力以及引导AI的技能至关重要，这些能力既让人能驾驭AI，也确保人在不依赖AI时仍能独立开展工作。

人机协作中的主体性

尽管AI日益成为数学研究的推动力，但两位嘉宾均强调人的参与仍然非常重要。陶哲轩表示，听到这种观点让他感到欣慰。这再次确认了在自动化时代，人类的直觉、判断力和创造性思维依然是不可替代的核心要素。

即使 AI 越来越成为推动力，人的参与仍然非常重要。