人工智能向数学领域推进的步伐已然超越了人类理性的承载能力——这位菲尔兹奖桂冠得主陶哲轩，仅在上周还在大力推崇AI开源数学模型的发展，却在本周突然吹响了警笛：”增长步调过于激进，我们势必得踩下刹车！”他的博客文章随之演变成数学界精英之间的一场世纪对话：当机器能够轻易地生成数学证明，那延伸千年的数学思想是否已经抵达终点？那么真正的学者价值究竟应该坐落在何处呢？
登陆菲尔兹奖得主陶哲轩个人博客的评论栏，你会感受到一股前所未有的学术热浪——放眼全球最一流的数学工作者、物理学家以及AI领域的领军人物，都在此汇聚一堂，各抒观点，辩论之激烈程度令人瞩目。
从这些论述之中，涉及的正是一个关系根本的问题——”数学学科的存亡绪论”与”学者工作的终极内涵”。
而点燃这场历史性辩论的火种，源于短短数日内迭出的一系列惊人变局。
就在这场争论白热化的前夜，一份关于陶哲轩呼吁”减缓人工智能步伐”的视频资料，已然在网络各处炸开了锅。
视频里，这位一向走在技术前沿的学术泰斗神色凝重，发出了从未有过的严肃忠告：
“我们应当放缓人工智能的推进。当下的节奏实在太过剧烈，毫无节制的必要性——绝对没有任何理由可言！”
他继续指出：”令人惊愕的是，在完全无法预知后续走向的情况下，我们却如此心甘情愿地颠覆一切。这样的动态模式是一种极度危险的非线性过程。”
更具讽刺意味的是日程表呈现的矛盾——恰好在刚翻过去的七天前，陶哲轩本人正式启动了并全力推进”SAIR：开源数学模型，以及如何做出贡献”的建设方案。
短短一周内从招募人才、描绘蓝图，到突然吹响警号、疾声呼吁；从前天还在”放手推进”，到今日变成博客上的”学术战场”。
这段时间内，陶哲轩立场的急速变化，将学术圈正在承受的一个可怕真相完全掀了个底朝天：经过了近千年积淀的数学研究传统与博士培养模式，眼看就要被人工智能彻底瓦解。
时代的终结：人类学者会沦为平庸的调试员吗？
那么陶哲轩的这种紧张感从何而来，他又为何认为这构成了一种”非线性的极端危机”呢？
其实原因很简单——人工智能开辟数学新境界的速度，已经远远突破了人脑思维能接纳的上限。
回溯到从前，数学钻研代表了人类智识的最高峰。
一位从事数学的博士学位获得者，通常要耗费很多年光阴，在如海的参考文献里寻觅思路，就为了证实某个细小的命题而挖空心思。一旦能够做出哪怕微不足道的”创意发现”，就足以获得学位，在学问圈赢得位置。
可现在，情势已然不同。
伴随深度学习模型的迅猛演变，特别是自动定理证明器（诸如Lean）和巨型语言模型的结合，人工智能已经展现出了令人震惊的数学发明本领。
令人啼笑皆非的讽刺在于，由陶哲轩本人推崇的团队研究与Lean形式化验证技术，初衷是让学者间的沟通更顺畅，如今却转身一变，成了电脑大队”收割”人类的杀手锏。不计其数的AI主体正在简陋的交流平台上如火如荼地协作，以极速扫过数学可能性空间中的每个隐秘之处。
面对永远不知疲惫、计算资源无穷无尽的机器，促使一个常规的人类数学博士在”命题的证实”范畴内做出突破性贡献，已经变成了一项举步维艰的任务。
有人为之惋惜地感叹：单纯靠人力的古典数学方法已然走入了历史。在一个不长的过渡期以后，由机器领导的新时期将悄然出现。而那时的人类学者，也许就只能沦为一批只会”欣赏机器发现”的平凡从业者。
若要说数学领域的二十五万位博士面临窘境，那么这门承传了数千年的学问，难不成只余下了供AI反复操练、”谋题解题”的价值了吗？
在这个关系生死存亡的十字路口，被推至热搜的陶哲轩博客文章，彷如暗夜中的灯塔。这篇由著称的数学传播者、3Blue1Brown项目的倡导人 Grant Sanderson 所撰、刊登于陶哲轩博客的客座评论，标题就透出了”向旧秩序宣战”的意蕴：
《倘若数学超越证明的范围，我们应当更充分地称颂它的其他维度》
这个论著，为承受AI打击的数学领地，开辟了一条崭新的生路。
数学的内在价值：关键不在于生成论证，而在于「开启人脑】
Grant Sanderson 用文章起始便摆出了一个令人深思的见地：
“当前学问圈流行这样的论断：问题的突破与论证的形成，向来仅仅是数学家真实追求的「间接指针」。数学家的实际目的，是为了拓展人的理解范畴。当人工智能可以不借助任何「理解」也能产生论证时，「论证」作为判别准尺的效力也就消解了。”
这番话，犹如撕下了学术世界多年来的遮掩。
长期以来，学术评价重”论证”，轻”解读”。
你解决了一个千禧年大奖问题，你就能载入史册，捧得菲尔兹奖；但如果你所做的仅仅是把复杂理论讲得深入浅出，惠及万千学子，在既定的评价框架下，你也不过被贬为”做科学传播的”，难登学术殿堂。
Sanderson 直截了当地说：如今的人工智能就像一部自动的”论证工厂”。
假若社会将生成论证的机器当成使数学家失去用处，那么，学者世界就该挺身而出，借助创新的价值体系对全社会表明——人类数学工作者的使命，便是追索知识之间的相联与表述的透明，绝不止是一个造论证的工具！
为此，Sanderson 创意性地提出了一个可能改写未来数学版图的理念：”动机性诠释”。
“动机性诠释”具体指什么？它与死板的”论证”存在什么分别？
在通常的论证里，概念界定往往在最初被提出。 守规矩的数学工作者偏好直接呈现一个陌生而复杂的组织结构，再冷淡地推算出它的各项属性。
在动机性诠释中，概念界定位于中段。 唯有在待解问题被充分阐明后，新的结构才会被引进。你必须向阅读者阐述，我们为什么非得提出这样一个观点？
在通常的论证中，每一个表述都必须是百分百恰当的， 每条主张都非得是它前面的逻辑推论。
在动机性诠释中，你可以从一个”虽然简洁但是不对”的假想起步。 这样的方法被叫做”尝试式虚拟”。你可以引导观众走过”抛出错误设想 -> 发现崩坏的地方 -> 做出修补 -> 遇见新难点”的体验。因为，这恰恰就是人脑认识万物的本来面目！
论证要表达的是：”这个结论是对的。”
而动机性诠释要表达的是：”这个结论之所以成立？是通过什么思路被创想出来的？我们最初为何要提问这个难题？它在更广阔的数学领域占据怎样的地位？”
参与者 Mark Miner 在留言板上有一段评价恰到好处地捕捉了这一想法：”完全赞同。倘若我的六岁外甥女听不懂这道题的解法，那就说明它还没被讲得够好，还不足以算得上真正的论证。”
他用黎曼猜想之中的Z函数作为例证：”看看那些视觉化的图像，你便能从感受上明了为什么实半轴非得等于1/2，函数才会在指定范围归零。假若小于1/2，线条变红扩张；超过1/2，线条变蓝缩小。你能像儿童摆弄蒙台梭利教具那样调整参数。这才是实在的掌握！”
学术泰斗的呼声：创设「待解诠释议题」
为了让「动机性诠释」不再是个没有报酬的「无偿奉献」，Sanderson 在陶哲轩的博客上呼吁了一项极富破坏性的创议：设置「待解诠释议题」。
这一观念并非凭空出现。
早在2007年，学者 Timothy Chow 就曾推出过近似的主张：解答一个「待解诠释议题」，指的就是以完全坦白、了然于胸的方式阐明一段数学话题。每一阶段都需要有想法支撑；最理想的结果是，让学习者感受到「换做我来我也能做到」，他们自己也能推理出此论点。
然而那个时期，这一设想反应冷淡。原因很明白——那时刻，大家还在为论证的完成焦头烂额。
而现在，时代变了。Sanderson 指明：”此刻，人工智能生成的每一个论证，本身就成了一个「尚未破解的诠释议题」。”
试想一下接下来的一段时日，人工智能将要源源不断地吐出数千上万个冰冷、缺乏美感、甚至篇幅广大的机器等级的论证。
这就好比机器向人类倾倒了一片片矿山，若是人类不去提炼、不去诠释、不去搭建理念间的通道，这些「真理」对人类精神而言将毫无用处。
已成往人、菲尔兹奖获得者、数学大家 Bill Thurston 在1993年发表的《论数学之证和进步》里这样论述：
机器的突飞猛进凸显了这一点……当Appel与Haken用巨量运算完成了四色定理的证实时，引起了广泛的质疑。
我的看法是这并不代表众人不相信定理的有效性，而是反映了一种人类根深蒂固的执念：除却知晓定理的有效性，我们还渴望靠人的思维对其有真切的领会。
为推进这样的变动，Sanderson 提出了好几条极有执行意义的建议：
1.改革学位答辩制度： 教师无需仅让博士候选人埋头破题，可以让他们借用人工智能的力量破题，但最后的评判要点是：你要给全院师生举办一场讲座，把那个艰深的难题或人工智能的论证，讲得清晰透彻。
2.现代形式的希尔伯特困难表单： 倡议像陶哲轩这样的学术权威，颁发一份「尚未诠释的困难表单」，告知全人类，哪一些重大成果我们至今还停留在「知其然不知其所以然」的层次。
3.革新聘用制评定： 把创意优质的教材、开发具有启发意义的学术著述，放在和登顶级刊物等同或更高的权重上。
最近，科研人员 Liam Price 应用 GPT-5.4 Pro 攻克了历来难于破解的 Erdős 第1196号困难。
然则，最初的人工智能论证虽经存在，却神秘晦涩，人类的掌握并未取得进展。
后来，多位人类学者（包括陶哲轩在列）接过了这份「秘籍」。他们破读了人工智能的思路，提炼了精华，并改组成了人能理解的文献。更关键的是，人类学者说明了这个精华不仅解决了原问题，也廓清了周边许多相关的假设。
在这一过程中，人工智能只充当「挖掘者」，而人类学者才是真实的「宝石工匠」。 那篇理顺了关联、升华了念头的人类论著，远胜过人工智能吐出的原始代码值得被颂扬。
众声喧哗：另一领域的调侃与既得利益者的恐惧
陶哲轩的这篇博文一经发出，X客平台与评论栏快速变身为大型「学问互动区」。
最先冲来「讥讽」与「欢迎」兼具的，是对门物理学范畴的学人。
杰出的物理学专家 Lenka Zdeborova 抛出了一条既带调侃又不失玩笑的评论：
“这二十五年来，从事理论物理的我们经常被驳斥『那不是真的数学』，因为我们把「逻辑推演」置于「严谨论证」之上。眼看数学同行由于人工智能而产生这样的质辩，着实令我心灵温暖。现在一批数学工作者开始表述：数学就是关于理解的事业，不只是论证。欢喜来到我们的领地！”
有参与者支持说：”物理研究者和数学研究者的根本观点冲突正在于：物理人认为数学背后有物质世界，数学是去接近这一世界；而数学人认为，数学自身便是一切。眼下人工智能粉碎了数学昂然的「高贵性」，数学工作者终归要回到人类的直觉思维了。”
自然地，数学领地内并非毫无反对之声。多位学人表达了心中的顾虑：
问题的第一面：这是对不善表述的奇才的打压！
有网民提及了已故数学怪才Jean Bourgain。
布尔甘凭借其粗粝、无饰、甚至相当难以阅读的论著风格闻名，可他攻关难题的能量却是核炸弹等级的。
“若把评判尺度转向「诠释能力」，那布尔甘这样不擅长文字但能证实震动数学界定理的怪才不就被埋没了？难道要让未来的布尔甘流入商界吗？”
对此，陶哲轩自己出面作答。
他温言却有力地进行了反驳：”我相信布尔甘为了专注出题而忽略表述，乃是彼时学术激励体系的「结果」，而非这套体系正当性的「证实」。我私自与他有过接触，他其实具备优异的诠释禀赋。如果当时的学术生态能赋予「诠释」更重的砝码，他改善文笔以后，对数学领地乃至更广层面的升献，绝然远大过此刻！”
问题的第二面：人工智能最终也会掌握「完美诠释」！
还有研究人员（比如Tsimerman）指出，别太天真。
人工智能现在的诠释力量的确普通，但将来的大型模型势必能生成胜过人工的课本型「动机诠释」。
假若连「理會与诠释」都被人工智能揽了，人类数学工作者还剩下干什么？
一位身份未透露的网民针对这类”人工智能万能观”做出了锐利的驳斥：
“我对一些人对人工智能的盲从崇敬倍感奇异。什么是『最棒的诠释』？这高度关乎想去认知数学的那一类特定的人。并无单一的『诠释适用度函数』。我们关心诠释，是为了促进『人对数学的理会』，而不是『机对数学的理会』。”
不错，纵然人工智能把食物做得再美味，人类也得靠自己咀嚼和吸收，才能获取营养。数学不是为了把冷漠的事实装满硬盘，而是为了开发人的神智。
一位建议把「有限单群分类定理」作为起首个「千禧年诠释困难」的学人写下了这样感人的话：
“这一论证跨越了数千篇论著，许多业内人士都无法全部掌握。伴随老世代权威的渐行渐远，这一专业技术有沦为「失传的手艺」的危险。若是面对未来人工智能吐出的数千页论证不想沦为呆滞，我们就得从今天起，展开大规模的跨学科协力，为那些宏大的数学建构供给「动机诠释」。这是一场人类保卫本身理性的演练。”
转折还是陷阱？开辟新局的门票
回到最初的疑惑，上周还在推进开源数学人工智能的陶哲轩，怎么会在前天的视频中喊出「疯狂至极，务必减缓」的警告呢？
因为极度的非线性会导致失控。
陶神的失望与呼吁，并不源于人类在算力竞赛上输给了机器，而源于我们在观念、体系与内心，从未为这样的剧变做好预备。
假如学术圈依然紧守着「论证至上」、「只看论著」的僵化约定，那这一波人工智能的袭来中，千万青年学生定将陷于困顿，人类的数学信念也将面对灭顶打击。我们在浑然无知的境况下，在一点点摧毁传继千年的学术文明。
然而，如果我们暂停脚步，认真审视一下 Grant Sanderson 主张的这场「意识方向的改造」呢？
如他在文章尾声所说的那样：
“对当代年轻学生而言，这事实上是踏入数学大门最精彩的时期。因为没什么能比投身一个「具有无穷可塑性」、且你「有机缘积极重塑它的前程」的学科更令人憧憬的。”
当冗长的、机械的推理过程由人工智能接手，人类数学工作者终于可以从产线上的「论证工业工人」，转身为真的「数学架构师」和「思想洞察家」。
我们能够拥有更多时光去追问「为什么」，去发现迥异领地间不思议的相联，去把深邃莫测的宇宙奥秘，变换为六年级儿童也能赏玩的跳动样式。
正如网友援引的 Scale AI 创办者 Alexandr Wang 说过的句子：”如同我对我侄儿讲的，数学令你获得自在。”
在任何充分洞察的范围里，你都能发现数学。数学是毗邻整片大宇宙的珠链，是物理学诠释万物的文字，更是人类在无尽的事实海洋中，寻得本身生存的最绚烂记号。
人工智能能给予咱们一包称为「真理」的答卷，但对待无穷的真理汪洋，唯一深层次的「人脑的理會」，才能沦为咱们航海的指针。
陈旧的时期在崩颓，而一个真的属于「人脑理會」的数学复兴期，也许正要拉开序幕。
源文出处：新智元
