★置顶zzllrr小乐公众号（主页右上角）数学科普不迷路！
EPFL（洛桑联邦理工学院）很高兴与大家分享近期《纽约时报》于2026年2月7日刊登的对其主任马丁·海勒教授的专访 。在这次内容广泛的对话中，海勒教授反思了人工智能与数学研究之间不断演变的关系，探讨了人工智能在解决深奥的数学问题方面能够做什么，以及不能做什么。
作为菲尔兹奖得主，他结合自身经验，深入剖析了当今的前沿实验、现有人工智能系统在证明原创性结论方面的局限性，以及人类创造力在数学领域经久不衰的作用。此次访谈为我们提供了一个富有洞见的视角，让我们得以了解人工智能如何重塑数学研究，同时也重申了严谨数学思维的基础性重要性。
作者：EPFL洛桑联邦理工学院官网 & Siobhan Roberts（纽约时报记者）2026-2-11
译者：zzllrr小乐（数学科普公众号）2026-2-12
《纽约时报》原文标题——对话：这群数学家正在测试 AI人工智能
大语言模型难以解决研究级别的数学问题。要判断它们到底有多差，还得靠人类。
马丁・海勒身着深绿色高领毛衣，在写满公式与图表的黑板前留影。
马丁・海勒（Martin Hairer），瑞士洛桑联邦理工学院数学家。他同时在该校与伦敦帝国理工学院任职。
图片版权：Aurelien Bergot，《纽约时报》
文 / 西沃恩・罗伯茨（Siobhan Roberts）发表于2026年2月7日
更新于2026年2月10日
几周前，一名高中生给以惊人创造力闻名的数学家马丁・海勒（Martin Hairer）发了一封邮件。这名少年立志成为数学家，但随着AI人工智能的崛起，他开始产生怀疑。“很难理解到底发生了什么，” 他写道，“感觉这些模型每天都在进步，用不了多久，我们就会变得毫无用处。”
他问道：“如果有一台机器在解题上远比我们厉害，数学难道不会失去一部分魔力吗？”
海勒博士于 2014 年获得数学界最高荣誉菲尔兹奖（Fields Medal），并于 2021 年获得奖金丰厚的科学突破奖（Breakthrough Prize）。他同时任职于瑞士洛桑联邦理工学院（EPFL）与伦敦帝国理工学院（Imperial College London）。在回复这名学生时，他指出，很多领域都在面对 AI 带来的 “被淘汰” 焦虑。
“我相信数学其实相当‘安全’。” 海勒博士说。他提到，大语言模型（LLM）—— 也就是聊天机器人的核心技术 —— 现在确实很擅长解决人为设计出来的题目。但他表示：“我还没见过任何一个可信的例子，能证明 LLM 提出了真正全新的想法和（或）概念。”
海勒博士在谈论一篇题为
First Proof（首轮验证）的新论文 https://arxiv.org/abs/2602.05192 时，提到了这段对话。这篇论文由他与多位数学家合著，包括：斯坦福大学的穆罕默德・阿布扎伊德（Mohammed Abouzaid）、哈佛大学的劳伦・威廉姆斯（Lauren Williams）、运营旧金山湾区咨询公司 MathSci.ai 的 塔玛拉・科尔达（Tamara Kolda）。
这篇论文介绍了一项刚刚启动的实验：收集来自作者未发表研究的真实测试题，旨在为 AI 的数学能力提供一次有实际意义的衡量。
作者们希望，这项研究能为 “AI 已‘攻克’数学领域” 这类常常过于夸张的叙事增添更细致的视角，并减轻炒作带来的后果 —— 比如吓走下一代学生、让科研资助者却步。
“尽管商用 AI 系统无疑已经达到了可以成为数学家有用工具的水平，” 作者们写道，“但在没有专家介入的情况下，AI 系统独立解决研究级数学问题的能力究竟如何，目前仍不明确。”
AI 公司使用一些数学家口中 “人为编造” 或 “限制条件过多” 的题目，来评估和评测 LLM 在无人辅助下的表现 【https://epoch.ai/frontiermath 详情参阅 】。有时，他们会邀请数学家出题，每题报酬约 5000 美元。（First Proof 项目的所有作者均与 AI 公司无任何关联。）
去年4月，2017 年数学新视野奖（New Horizons in Mathematics Prize） 得主阿布扎伊德博士拒绝了这样一份邀请。
“我认为应该有一项更广泛、独立且公开的行动。” 他说。他补充道，First Proof 项目就是第一轮尝试。
“目标是对 AI 的研究能力做出客观评估。” 近期获得古根海姆学者与麦克阿瑟学者称号的劳伦・威廉姆斯（Lauren Williams）博士说。
劳伦・威廉姆斯身着深红色高领毛衣，在哈佛大学一栋建筑的栏杆旁留影。
哈佛大学的劳伦・威廉姆斯。
图片版权：露西・卢（Lucy Lu），《纽约时报》
在这项实验中，来自不同数学领域的作者们，每人贡献了一道来自自己正在进行但尚未发表的研究的测试题。他们也确定了答案；这些解答已在线加密，将于2月13日公布 https://1stproof.org 。
“我们的目标是理解边界 ——AI 究竟能在多大程度上超越它的训练数据和在网上找到的现有解法？” 科尔达博士说。她是少数当选美国国家工程院院士的数学家之一。
研究团队对 OpenAI 的 ChatGPT‑5.2 Pro 与谷歌的 Gemini 3.0 Deep Think 进行了初步测试。作者写道，在仅给一次作答机会的情况下，“目前公开可用的最佳 AI 系统在回答我们的许多问题时都十分吃力。”
论文引言对标题做出了解释：“在烘焙中，首轮发酵（first proof首次醒发）是关键步骤：将整团面团作为一个整体发酵，之后再分割、塑形为面包。” 在发布第一批测试题后，团队邀请数学界共同探索。几个月后，在意见与思路 “发酵” 之后，将开展第二轮更结构化的评测，使用全新一批题目。
团队赶在欧拉日（Euler Day）——2月7日，星期六 —— 发布了 First Proof 论文。该节日以 18 世纪瑞士数学家莱昂哈德・欧拉（Leonhard Euler） 命名。日期对应欧拉数，一个像圆周率 π 一样用途广泛的数学常数，约等于 2.71828……，记为 e。神经网络 AI 系统的训练，基于欧拉为求解常微分方程所发现的方法，即欧拉法（Euler’s method）。
以下对话通过视频会议与邮件进行，经精简与编辑以便清晰阅读。
问：First Proof 方法与其他评测工作相比，新颖之处在哪？
穆罕默德・阿布扎伊德（Mohammed Abouzaid）：最主要的新颖点是，我们的测试题真正取自我们自己的研究—— 从我们关心的问题出发。在这个范围内，我们尝试设计可以被测试的问题。
问：什么样的问题适合用来测试？
当前的 AI 系统有一些公认的局限。比如，它们在视觉推理上出了名地差，所以我们避开了这类问题；如果我们的目标是刻意刁难，就会出带图的题。
而且，公司会限制模型单次回复的长度，因为超过一定长度后答案质量会下降，所以我们确保避免答案需要超过五页篇幅的问题。
问：论文谨慎地澄清了 “什么是数学研究”。它到底是什么？
阿布扎伊德：在现代研究中，关键一步往往是识别出核心驱动问题，以及应该从什么方向去处理这个问题。这涉及各种前期工作，而数学创造力就体现在这里。
一旦问题被解决，数学家往往会根据由此引出的新问题，来评价研究贡献的重要性。有时，以某种方式解决一个猜想反而会令人失望，因为它堵死了产生新研究问题的可能。
穆罕默德・阿布扎伊德身着夹克衬衫，未系领带，在户外条板墙前留影。
斯坦福大学的穆罕默德・阿布扎伊德（Mohammed Abouzaid）
图片版权：卡罗琳・方（Carolyn Fong），《纽约时报》
劳伦・威廉姆斯（Lauren Williams）：我打个不太严谨的比方。在实验科学里，我可以把研究分成三部分：一、提出重大问题，希望其研究能照亮我们的领域；二、设计实验来回答这个问题；三、执行实验并分析结果。
我可以类似地把数学研究分成对应的三部分：一、提出重大问题，希望其研究能引领我们的领域；二、构建求解框架，把大问题拆成更小、更容易处理的问题 —— 就像我们的测试题；三、找到这些小问题的解，并证明其正确性。
这三部分都必不可少。在 First Proof 项目中，我们聚焦第三部分，因为它最容易被量化。我们可以用小而定义清晰的问题去询问 AI 模型，然后判断答案是否正确。如果让 AI 提出大问题或构建框架，评估其表现会难得多。
问：AI 系统在 “首轮验证” （First Proof）评测中表现如何？
威廉姆斯：针对我的问题，有一次测试出现了一连串有趣的回复。模型会给出一个答案，然后说 “好了，这就是最终解”。接着又说 “等等，停一下，这个情况呢？” 然后以某种方式修改答案。如此反复：“好了，最终解。等等，这里有个坑！” 它陷入了无限循环。
还有一次回答，解的是一道高度相关但并不相同的题。
塔玛拉・科尔达（Tamara Kolda）：我的初步结果令人失望：AI 完全搞不懂问题，在答案的某些部分忽略关键信息，而且逻辑根本不连贯。我后来修改了问题表述，加了更明确的说明，试图给 AI 更好的机会。最终结果如何，我们拭目以待。
马丁・海勒（Martin Hairer）：我整体注意到一点：模型倾向于在简单的地方铺陈大量细节，你会心想：“行吧，快点，这些我听腻了。”而到了论证的关键部分，它又说得极少。
有时就像在读一篇差劲本科生写的论文：他们大概知道起点在哪，也知道要去哪，但真的不知道怎么过去。于是东拉西扯，到某个点直接塞一句 “因此”，然后祈祷正确。
问：听起来就是典型的 “糊弄式论证”—— 缺乏严谨，跳过复杂环节。
海勒：对，它特别擅长给出这种糊弄式的答案。
问：所以你并不 impressed（被打动）？
海勒：不，我不会这么说。有些时候我其实相当 impressed—— 比如，它能把一堆已知论证串起来，中间夹杂一些计算，而且做得相当正确。这方面它确实很厉害。
问：在你理想的世界里，AI 能为你做什么？
海勒：目前 LLM 的输出很难让人信任。它们表现得无比自信，但你要花很大力气才能确认答案到底对不对；我觉得这在智力上很折磨人。
再说一次，这就像面对一个研究生，你说不清他是真的强，还是只是很会胡说八道。理想的模型应该是可以信任的。
科尔达：AI 被吹得像同事或合作者，但我并不觉得是真的。我的人类同事有各自独特的视角，我尤其喜欢和他们辩论不同观点。而 AI 只有我让它有的观点，这一点意思都没有！
我越来越担心的一点是，AI 可能会无意中减慢科学进步。理论物理学家马克斯・普朗克有句名言常被引用：“科学是在一场场葬礼中进步的。” 我很清楚，我的观点可能大错特错。但如果我的观点被编码进 AI 系统并永远保留下去，会不会阻碍新科学思想的演进？
参考资料
https://actu.epfl.ch/news/prof-m-hairer-on-artificial-intelligence-and-mathe/
https://www.nytimes.com/2026/02/07/science/mathematics-ai-proof-hairer.html
https://arxiv.org/abs/2602.05192
https://1stproof.org
https://epoch.ai/frontiermath
https://arxiv.org/abs/2509.26076
https://arxiv.org/abs/2505.12575
小乐数学科普近期文章
·开放 · 友好 · 多元 · 普适 · 守拙·
让数学
更加
易学易练
易教易研
易赏易玩
易见易得
易传易及
欢迎评论、点赞、在看、在听
收藏、分享、转载、投稿
查看原始文章出处
点击zzllrr小乐
公众号主页
右上角
置顶加星★
数学科普不迷路！
热门跟贴