2026年，数学界接连收到几封来自AI的“战书”。OpenAI的GPT-6 Astra攻克了埃尔德什难题，Anthropic的Claude证伪了雅可比猜想，还推进了黎曼猜想零点下界，甚至把费马大定理转化成了形式化证明。这些曾经需要顶尖数学家耗费数年甚至数十年才能触碰的问题，被AI在几个月内密集拿下。
从5月到9月，AI的解题节奏越来越快
5月，AI证伪了平面单位距离问题；7月，雅可比猜想被推翻；8月，黎曼猜想零点下界取得进展；9月，费马大定理完成形式化。这一连串动作展示的不只是算力，而是长链条、可自我纠错的推理能力。数学家们第一次意识到，自己面对的不再是一个只会套公式的工具，而是一个能在逻辑树里自主搜索路径的对手。
AI为什么突然盯上数学
答案不在学术，在商业。OpenAI与Anthropic的估值竞争已经白热化，华尔街对AI投资回报的质疑声越来越大。与此同时，高质量语料正在枯竭，AI公司急需新的训练数据来源。数学恰好成了“检验真理的唯一标准”——题目有明确对错，证明过程可验证，既能展示能力，又能反哺模型训练。于是，数学从冷门学术领域变成了AI军备竞赛的主战场。
陶哲轩的“百年新危机”
数学界内部的声音并不统一。陶哲轩一边推动形式化证明，担任AI解题的“首席裁判”，一边提出“百年新危机”的警告。他认为数学家必须跟上AI的步伐，但也坦言，可能有必要禁止自动求解器介入某些类别的数学问题，以保护这些问题对数学生态系统的广泛价值，包括培养下一代数学家。换句话说，如果AI把所有题目都解完了，未来的数学家从哪里开始练手？
《莱顿宣言》则从另一个角度发出警告：AI解题正在威胁数学研究的准确性、可靠性和独立可验证性。当证明过程由模型生成，人类审稿人可能根本跟不上它的推理链条，同行评议的根基就会松动。
AI的“初等数学”与人类的“高等数学”
文章点出了一个关键差异：AI依赖形式化的初等数学范式，靠穷举和逻辑树搜索解题；人类数学家依靠直觉和类比，能够“立法”创造新规则，非欧几何的诞生就是典型例子。数学的本质在于它的自由，这种自由目前还握在人类手里。
但现实是，数学殿堂的门槛被AI锯平了，穹顶也被抬到了一般数学家难以企及的高度。那些曾经需要十年苦功才能跨过的门槛，现在AI一步就迈过去了；而那些真正需要创造力的顶层问题，又超出了大多数人的能力范围。这种挤压感，正在从数学蔓延向其他学科。
热门跟贴