陶哲轩呼吁建立“数学 2.0”：AI加速证明生成，人类理解面临滞后
人工智能模型正以前所未有的速度重塑数学领域。过去数月间，AI辅助证明——即验证数学结论正确性的逻辑论证过程——已针对数百个长期悬而未决的问题发布解决方案。
然而，数学家可能需要数月时间才能完全消化这些自动推导结果背后的论点及其深远含义。作为积极运用AI工具开展研究的数学家，泰伦斯·陶（Terence Tao）指出该领域已发生根本性转变，并迫切呼吁进入“数学 2.0”时代。在这一新阶段，“证据稀缺”将不再是定义这一学科的核心特征。
出版标准与归因困境
这种新型数学范式带来的挑战日益凸显。许多由AI生成的结果描述不够清晰，难以达到学术出版的严格质量标准。部分研究人员在获得最低限度的可展示证明后便迅速转向下一个课题，导致其成果难以被同行有效评估。此外，AI模型如何在未提供适当归因的情况下广泛借鉴数学家既往工作，目前尚不明确。
开放共享传统受挫
数学界延续数个世纪的公开共享问题的传统正面临严峻威胁。随着数学家担忧披露研究方向会导致其工作被配备前沿AI模型的竞争对手“扫描”，保密倾向正在上升。毕业生和初级数学家通常通过解决公开问题来磨练技能并获得早期同行认可，但这一路径受阻。
10月6日，科技公司OpenAI一次性在网上发布了数百个问题的解决方案，此举在一夜之间扰乱了无数正在进行的研究项目。
“消化不良的证据”与现实风险
或许最反直觉的现象在于，人类对数学的理解速度正在落后于AI系统生成结果的速度。若仅局限于纯数学领域，这种“消化不良的证据”可能只是一个小问题。但在缺乏对机制相应理解的情况下，将AI生成的数学模型部署到现实世界可能产生严重后果。
例如，复杂的人工智能模型已在一定程度上用于确定银行贷款资格以及衡量金融市场风险。如果这些模型的复杂性超出了人类识别潜在故障的能力范围，意外错误的风险将会显著增加。
尽管负面影响看似不可避免，但AI工具具备增强人类理解力的潜力。实现这一目标需要彻底重新评估数学传统的激励结构，并在AI使用方面引入更负责任的实践。
