按说难题被解答，最高兴的应该是数学家。但今年，25位菲尔兹奖得主却联名发表公开声明《人工智能在数学中的严重错位》，集体表达了对AI破解数学谜题的不满。这25人里，有今年刚获菲尔兹奖的邓煜，也有1978年获奖的Deligne，汇集了横跨将近半个世纪的顶尖数学力量。如此规模的联名，自菲尔兹奖诞生近90年来从未发生过。
在签署人中，最引人注目的是陶哲轩。他不是技术恐惧者，恰恰相反，他是最爱用AI的数学家之一。他很早就开始用GPT-4写代码、做图表、辅助证明，说“GPT-4确实为我节省了大量繁琐的工作”。他曾用GPT-5 Pro跨界挑战一个3年无人解决的微分几何问题，11分钟就出了完整证明。他还曾预测，到2026年AI将成为数学研究值得信赖的合著者。这样一个深度拥抱AI的数学家，却联合发表了AI檄文，称AI公司的做法“正在损害整个数学界”。可见问题已经很严重了。
那么，这封公开信到底写了什么呢？概括起来就是一句话：当AI能够直接产出证明时，“解掉一个问题”开始和“理解一个数学问题”发生分离。
很多人听到这话可能会有点懵：数学研究的目的不就是得出答案吗？答案有了还有什么不好吗？对此，陶哲轩举了一个生动的例子：数学家研究难题，就像徒步者在崇山峻岭中寻找瀑布。你听说外面有个有趣的瀑布，决定和朋友们一起去远足寻找它，但你需要画地图。你会迷路一点，但也许在迷路途中，你发现了其他有趣的东西并记下来。去瀑布的路上，你发现远处有一个更壮观的瀑布——你现在到不了，但也许未来的远足者也会找到办法到达那里。
换言之，数学家研究难题，重点不只是最终答案，还有过程中发现的新方法、新思路、开发的新数学工具和思维模型。有时候，恰恰是这些无心插柳的结果，构成了其他学科的底层工具。也只有有迹可循的证明，才能成为能被人类学习和传承的智慧成果。
这就得说说AI是怎么证明数学命题的了。OpenAI这次是放出1万个AI智能体，将问题拆分，分头干活。88小时后，它们拼出一个完整的证明，再花17小时，用一个叫Lean的程序逐行检查逻辑有没有漏洞。验收通过之后，宣布证明完成。
但这里有一个关键问题：OpenAI用来解题的内部模型尚未发布，1万个智能体的协作流程也没有公开，其他团队无法复现这套证明。克雷数学研究所目前还没有正式确认这个成果。陶哲轩曾在其他场合表示，人工智能写成的数学论文阅读体感非常差。原因是AI的论文“无论正确与否，看起来都很有说服力”。他把这个问题形容为“证明消化不良”：AI产出了大量证明，而数学家压根吸收不了。OpenAI这次的证明就像“坐着直升机把你空投到了那个瀑布，之后再接回来”。
此外，AI公司对数学界的破坏，还在于它们对问题的“挥霍”。陶哲轩把AI时代之前积累下来的开放数学问题，称为一种不可再生资源。有人打了一个更形象的比方：这些问题就像“低本底钢”。低本底钢是1945年人类第一次核试验之前生产的钢材。因为没被放射性尘埃污染过，它的背景辐射极低，是制造精密仪器的好材料，而且不可再生，用一点少一点。
数学问题也是一样。爱因斯坦说过：“提出一个问题往往比解决一个问题更重要。”问题可以随便提，成千上万个都不难。但绝大多数问题不值得研究。判断一个问题值不值得花时间去攻克，靠的是几十年甚至一整代数学家的直觉和经验去筛。这样筛出来的问题，每一个都是不可再生的资源。而现在，AI公司正在把这些筛了几十年的好问题当成评分榜去刷，用算力和智能体群碾压。一旦答案公开，这个问题作为未污染测试集、以及观察不同解题路线难度的对象，价值会永久下降，还浇灭了年轻学者攻克难题的热情。公开信里有这么一句话：数学界最宝贵的资源是学生和想法。而对AI实验室来说，最宝贵的资源是GPU。
如果你还觉得“过程很重要”这个说法有点抽象，那我们来回顾一段历史。公元前300年左右，欧几里得写下《几何原本》，从五条公设和五条公理出发，用逻辑推导构建了整个几何体系。这套体系维系了两千多年。但它的第五条公设一直让科学家们不舒服，因为它太复杂了。两千年来，无数数学家试图用前四条公设证明第五条，然而全部失败。直到19世纪，俄国数学家罗巴切夫斯基反其道而行之：他假设第五公设不成立，在此基础上结合前四个公设，构建了一套新几何系统。如果这个系统在数学推理中出现矛盾，即可反证第五公设成立。结果却让数学界大跌眼镜：这套系统尽管完全违背直觉，但在逻辑上毫无破绽。黎曼、高斯等数学家，也先后独立推导出了类似的几何学理论。
由此诞生了一个全新的数学分支：非欧几何。它描述的弯曲空间在数学上完全自洽，却处处违背直觉。当时的人不知道这个纯粹的数学理论有什么用——直到半个多世纪后，爱因斯坦出现了。1905年，爱因斯坦提出狭义相对论，三年后，他的大学数学老师闵可夫斯基把时间和空间统一成四维时空，给出了狭义相对论的几何表述。在闵可夫斯基的四维时空基础上，使用非欧几何作为数学工具，爱因斯坦最终发展出了广义相对论。而广义相对论告诉科学家：由于引力弯曲带来的时钟效应，远在太空的卫星上的时钟，跟地面走得不一样快。今天，每一颗在轨运行的卫星，内置原子钟每天都比地面快38微秒，如果不修正这个效应，手机定位每天会偏11公里。这就是过程的重要性。
数千年来，每一个数学难题的攻克，都经过了数学界漫长的消化：讲座、争论、简化、最终写进教科书、教给下一代学生。如果中间某一环只留下“对的答案”，但不留下可被理解的思路，后面所有环节就断了。没有欧几里得几何，就没有非欧几何；没有非欧几何，就没有广义相对论，也没有今天的手机导航。过去，得到正确答案和获得理解通常是同一件事，因为人必须理解很多东西才能走到答案。现在，强AI第一次可能把两件事拆开：答案增长速度可以远远超过人的理解速度。
AI消灭过程这一问题，也并不局限于数学界本身。比尔·盖茨在今年8月发表的博文中提出，他认为AI带来的最大问题之一，是“入门级岗位”的大量消失。这些岗位看似简单，却往往是每一代入行的年轻人积累经验、学习技能和建立职业关系的重要机会。在过去，一个老师傅带四五个实习生，干几个月杂活，实习生也能慢慢摸到这行的门道；现在有了AI，一个老人加一个AI足矣。年轻人面对的，可能是一条更窄的职业起点。盖茨说，新岗位的培训周期比旧岗位消失的速度慢得多。中间那段时间，谁来接住他们？他最后提到，“世界需要一个计划”。
数学家担心的、围棋手感叹的、盖茨忧虑的，本质上是同一件事：当AI工具能直接给出结果，跳过了人类从过程中学习的环节，“答对”和“理解”就分离了。而这道裂缝，正在从数学蔓延到所有知识工作领域。