数学家Litt谈AI：擅长算题但缺直觉，不应外包思考

a16z 的 Lisha Li 于 9 月初采访多伦多大学数学家 Daniel Litt，访谈内容经 a16z 官方账号发布并由多位转发者传播，集中讨论了 AI 在数学研究中的实际能力与局限。Litt 的整体判断是：AI 擅长的数学范围比头条宣传窄得多，它能当「数学苦力」，但还造不出新理论。

已确认

• Litt 认为 AI 目前擅长的方面包括：执行长时间 grinding 计算、在远超人类阅读量的论文中检索和提取技术思想、把已知技术应用到问题上，且应用水平比绝大多数人都好；他强调模型真正擅长的数学范围比头条宣传窄得多。
• 他同时指出 AI 的短板：缺乏数学家所需的直觉、品味与判断，无法构建大理论或进行持久的哲学思考，而后者才是数学家的核心工作。
• AI 已在部分难题上表现出色，如 Erdős 单位距离问题，并能通过计算与搜索辅助数学研究。
• 对话还涉及 AI 在证明猜想中的作用，以及数学家如何拆解、检验 AI 辅助给出的证明。
• Litt 警告不应把思考外包给 AI，并提到 AI 正在扭曲学术数学的激励结构（如他观察到数学家从相关动向中受到影响的案例）。

为什么重要

• 这一评价来自一位活跃的一线数学家，界定了当前 AI 在数学中「能做什么、不能做什么」的边界：计算苦力强、理论直觉弱。
• 他关于激励结构被扭曲的观察，触及 AI 大规模介入学术研究后对科研评价与工作方式可能带来的深层影响，值得研究界与 AI 工具使用者关注。

2026-09-01 ~ 2026-09-03 · 6 条相关

• 【源头】数学家谈AI：能解题却缺直觉，不应外包思考 — a16z · 2026-09-01
• 【源头】a16z 对谈数学家：AI 擅长计算但难建理论 — a16z · 2026-09-02
• AI 真的懂数学吗？与数学家 Daniel Litt 的深度对话 — littmath · 2026-09-02
• 数学家 Daniel Litt：AI 正在扭曲学术数学的激励结构 — lishali88 · 2026-09-02

另有 2 条近重复转述:stuffyokodraws · stuffyokodraws