上个月，OpenAI公布了一条消息：人工智能解决了几何学里那个著名的“单位距离”问题。这消息，把一大票数学界的人震住了。
一部分研究者觉得这成就挺让人兴奋。可另一拨人心里直打鼓——他们担心AI技术要是放开了跑，没人管，迟早会把整个数学领域搅得面目全非。为了给这种焦虑一个出口，一帮数学家、计算机科学家，还有专攻数学史的学者，联手抛出了一套行动指南。他们的目的很直白：不能让AI把数学这行给平推了。
这套指南里头，有几条是他们觉得最要紧的。头一条，用AI搞研究，你得明说。第二条，所有论文都必须老老实实走同行评议。还有第三条，得拉平学术圈跟那些商业公司之间的竞争条件，比如通过法律资源配给和公共资金支持这类手段来搞平衡。
这份文件的源头，得追溯到去年秋天。那会儿，大概60位研究者和政策制定者凑到了荷兰莱顿大学的洛伦茨中心，专门开了个会，主题就是技术会怎么冲击数学。当场许多人脑子里盘旋的，是眼下那股趋势——越来越多数学证明的一部分、甚至全部，都出自AI之手。
国际数学联盟出版委员会主席、数学家伊利卡·阿格里科拉，对AI的用处看得挺客观：“用得负责任的话，它可以极有帮助，特别管用。” 但话锋一转，她马上点出了当下的窘境，“可惜的是，这个正面意义，跟它周围那一大团乱麻比起来，已经显得有点小了。”
眼下期刊编辑的收件箱里，AI生成的证明塞得满满当当，数量多到他们根本审不过来。大语言模型把人类的想法嚼一嚼就又吐出来，经常连个出处都不标明。一些人甚至对研究本身的诚信度产生了怀疑。他们担忧，数学家们长久以来摆在首位的那些价值——比如透明和开放获取——正悬在崖边。
一个看得见的例子摆在那儿：现在几乎每一篇现代数学论文，你都能在arXiv.org上免费读到；美国数学学会自己也维护着一个精挑细选过的仓库，里头装着数学论文、专著和评论。埃因霍温理工大学的数学家吉姆·波特吉斯说，正是对这类原则的坚守，才让地球上任何一个人都能读到新研究，并在前人的基础上接着往前走。可一转到科技公司那边，他话里就带了刺——这些公司常常把关键的细节捂得严严实实。不妨看看这个案例：Google DeepMind在2024年宣布，自家的AI模型AlphaProof搞定了三道极难的数学竞赛题。结果呢？等他们的方法在同行评议的期刊上发出来，已经是一年多以后的事了。波特吉斯对此有句直白的总结：一到AI证明这事儿上，“我们常常就缩回紧闭的门后去了，因为现在这里头掺和了太多商业利益。”
为了试着刹住这股风，在莱顿研讨会上，与会者们决定合力搞一份联合声明。这份东西，是照着那些关于开放科学和数据管理的既有文件为蓝本搭起来的。他们给它取了个名字，就叫“莱顿人工智能与数学宣言”。
热门跟贴