AI在数学研究中的核心优势：知识广度与试错效率

邓煜指出，近期某AI公司发布的300多个问题设计及700多篇论文中，大部分工作属于极具价值的成果。这些研究并非凭空产生，而是基于人类对问题的深刻理解及现有技术。AI的作用主要体现在两个维度：一是巧妙结合不同领域的人类技术或基于现有思维创新新方法；二是直接沿用人类已有的推理路径。许多数学家发现，AI发布的思路与他们此前输入模型的构思高度相似。

这种相似度揭示了AI相对于人类的核心优势。首先，AI拥有无限的知识库。由于人类的精力有限，无法深入掌握数学所有领域的最新技术，而AI通过学习网络上的全部文献实现了这一突破。其次，AI具备极低的试错成本。人类若尝试错误路径数月将导致时间浪费，但AI通过成千上万个智能体协作，能以极高效率进行各种尝试和纠错。因此，人类在速度上与AI竞争毫无希望。

"对于人类来说，时间和能量是有限的……然而，通过浏览网络上所有的人类数学文献，AI能够实现这一点。"

人机协同的未来范式：以人类为主导的共进化

尽管AI在速度和广度上占优，但邓煜强调必须确立一个根本前提：人类始终是主体，AI仅是工具。在数学研究中，我们应始终坚持以人为中心，利用AI推进自身研究并追求感兴趣的问题。在这种框架下，人类负责把控方向、构思想法并将其转化为具体路线图；AI则承担执行细节、微调步骤及进行大量实验的角色。

邓煜预测，短期内将出现人类与AI共进化（Co-evolution）的局面。具体而言，基于人类对问题的理解，AI开发出解决新问题的新技术和新见解；数学家随后从这些证明中学习以形成自己的新思路，再反馈给AI，从而形成一个相互促进的连续过程。因此，这些论文的存在对数学研究是重大推动力。我们没有理由拒绝使用这类工具，只需以正确且适当的方式加以利用。

"无论是在数学研究还是其他任何领域，人类始终是主体，而AI是工具——一种我们用于研究的工具。"

学术伦理争议：拒绝公开思维链与缺乏引用规范

邓煜将AI作为研究工具的实用价值与其公司的行为伦理分开讨论。若视AI为数学社区的研究者，其成果需符合学术标准。当取得重大突破时，其他数学家通常会邀请发表演讲以深入解释证明过程及推理形成机制。然而，这些AI公司不愿公开其思维链（Chain of Thought）。在已发布的证明中，仅极少数披露了详细思路，多数公司以“安全”为由拒绝公开。

这种不透明行为违背了标准学术实践。针对外界指责的“窃取”人类知识，邓煜认为人们并非真的想偷窃，而是希望理解其推理过程。AI公司对此的辩解并不合理。此外，若人类研究者直接沿用他人思路或证明路径，有责任明确指出。但在AI发布的文章中，即便直接遵循人类推理路线的情况也屡见不鲜，却极少看到此类引用或披露。这种缺乏透明度和规范引用的做法是亟待解决的学术伦理问题。

"在所有已发布的证明中，只有极少数真正披露了思维链；大多数公司以‘防御’为借口拒绝公开。"

AI公司的商业伦理与用户权益失衡

邓煜指出，AI公司在发布成果前未进行形式化验证以确保证明的正确性，导致后续发布的论文中出现错误甚至被撤稿。从商业角度看，这种模式对用户极不公平：用户付费并提供创意作为训练数据，而AI公司利用这些输入优化模型、解决数学难题并独占所有荣誉与经济利益。用户付出了金钱和智力贡献，却未获得任何实质回报。这种不对等的交换关系引发了对当前AI商业模式的深刻质疑，邓煜认为如果用户得不到任何收益，就没有理由继续支付高昂的费用。

构建“正确”使用AI工具的三大原则

针对上述问题，邓煜提出了正确使用AI工具的前提条件。首先，AI应仅作为辅助工具由数学家操作，而非替代用户进行独立研究；其次，用户必须拥有数据使用的选择权，能自主决定输入的数据是否用于模型训练；最后，也是最为关键的是建立严格的可追溯机制。例如，若AI利用用户A的思想为用户B生成证明，系统需能追踪到思想源头。这不仅有助于避免优先权争议，还能精准界定人类与AI各自的贡献比例。在过渡期建立清晰的权责边界是数学界采纳AI的关键前提。

开源模型与长期研究范式展望

尽管当前开源数学模型的精度落后于顶尖商业闭源模型，但邓煜认为通过进一步训练可以缩小差距。对于整个数学领域而言，工具先进性的微小时间差并不构成决定性影响。从长远来看，无论AI能力如何进化，数学研究的核心主体始终是人。邓煜将AI比作汽车：人类负责设定目的地、提供方向并掌控方向盘，即使车辆具备自动驾驶功能。他预测AI将带来两大积极影响：一是打破不同数学分支（如数论与分析）之间的孤立状态，促进跨领域理解；二是缓解现代数学因过度关注“模型问题”而脱离现实物理与工程背景的趋势，帮助研究者重新连接真实世界的问题语境。

学科分化困境与AI的辅助角色

20世纪数学领域的迅猛发展导致了知识边界的急剧扩张，使得任何个体数学家都难以掌握所有分支的细节。邓煜指出，这种分化并非数学家的失误，而是学科发展的必然结果。随着每个领域发展到高级阶段，个人的精力变得有限，虽然可以拥有宏观概览，但深入细节已力不从心。然而，具备足够能力的AI有望解决这一难题。AI能够处理繁琐的技术细节，让人类研究者从具体困难中解放出来。以偏微分方程（PDEs）为例，现实世界中的模型往往过于复杂，人类思维难以直接应对，因此常需简化。例如在玻尔兹曼方程的研究中，从简单的硬球模型扩展到包含相变等更真实的物理场景时，会遭遇大量技术挑战。借助AI解决这些具体困难，人类可以专注于全局框架和更深层的问题。这种分工使得研究者能够像从牛顿力学迈向广义相对论那样，探索缩放定律或纳维-斯托克斯方程等更深奥的课题。

跨学科融合与数学的统一性

AI的出现将极大地拉近不同数学分支之间的距离，并加强数学与现实世界的联系。强人工智能将使各数学分支间的连接更加紧密，同时促进方法论的跨学科整合。邓煜强调，这并不意味着数学将沦为物理或生物学的附庸。纯数学不会消失，数学家也不会被其他学科吸收。即便在19世纪，许多工作源于物理和工程需求，但数学家依然保持着独立的思维方式和独特的视角。数学具有自身的独立性，这种思维方式与物理学家的思考模式截然不同，且在研究数学物理时两者皆不可或缺。对于看似与现实无关的纯理论部分，邓煜认为数学是一个整体。不同分支在理论上应当相互关联，因此不能仅因追求现实应用而忽视那些暂无直接用途的部分。数学研究无论是否面向实际应用，都将持续进行，因为所有部分共同构成了一个不可分割的统一实体。

人类独立思考的不可替代性

在探讨AI与数学的未来时，邓煜重申了人类元素的核心地位。人类的独特品质在于思考能力，正如帕斯卡所言“人是一根会思想的芦苇”，这种独立反思、探索和审视事物的能力是人与动物的根本区别。即使未来AI能够回答许多问题，它无法替代人类的独立思考。如果人类放弃独立思维而完全依赖AI，将丧失作为人的本质特征。数学是检验和反映人类独立思考能力的关键部分，其他科学如物理和生物亦然，但数学在某种程度上是最纯粹地反映这种能力的领域。因此，断言“AI时代数学将消失”是绝对不可能的。如果数学真的消失了，那意味着人类整体已被AI超越。只要我们要保留独立思考和探索的能力，数学研究就具有永恒的价值。

结论

邓煜的论述确立了AI在数学研究中作为高效辅助工具而非替代主体的定位。其核心优势在于无限的知识广度与极低的试错成本，能有效处理繁琐技术细节并促进跨学科融合；但短板在于缺乏透明度、引用规范缺失及商业伦理失衡，且无法替代人类独立的思考能力。适用条件明确：必须坚持“以人为中心”的共进化范式，建立数据选择权与可追溯机制。论证表明，AI虽能打破学科壁垒并缓解知识分化困境，但数学的独立性与人类思维价值不可动摇。只要保留独立思考能力，AI时代数学不仅不会消失，反而能通过人机协同推动更深层次的理论探索。