AI 求解纳维-斯托克斯之辩：解题易，超越数学家难

围绕一篇假设 AI 解决纳维-斯托克斯问题的文章，多位数学从业者与 AI 学者展开讨论，焦点是「AI 擅长解题」是否等于「在数学上超越人类」。多数讨论者的结论是：即便 AI 能解出这一难题，提出好问题、发明新概念等数学核心能力仍属人类专家；但数学成果的唯一性使其比艺术等领域更难抵御 AI 冲击。

已确认

• Yann LeCun 反驳「AI 在数学上超越人类」的说法，认为擅长搜索并写下定理的形式化证明是一项可自动化的机械任务，正如算术或积分计算不等于全部数学；数学家的核心工作是发明新概念、运用直觉与创造力，这些仍是 AI 的短板。
• Tony Feng 表示赞同 Christian Szegedy（littmath）关于数学界应如何适应强 AI 的文章，但强调其前提是假设性的：即使 AI 解决了 Navier-Stokes 问题，现有模型也不能「稳健地超越人类」；提出好问题本身就是数学职业的核心，AI 尚难以在此意义上全面超越人类专家。
• @dlouapre 所引原帖认为，数学家对 AI 解题的愤怒不能简单视为「守门」：数学的乐趣部分在于探索解法周围的未知领域，而不只是得到一个证明。评论区补充，对实际任务而言，「直线式」的 AI 解决方案通常仍是最优选择。
• moultano 提出数学比艺术更难与 AI 达成「人类专属」默契：数学成果具有唯一性，一个定理的优先权只归属一个证明者，而艺术可以有很多件；这种单一性使数学界难以像艺术界那样通过「绅士协议」把领域保留为人类活动。
• Igor Carron 转发并回应 Fields 奖得主对 AI 数学能力的质疑，认为「AI 能否证明 Navier-Stokes」只是数学界的事，对工程师而言真正的战场是理论计算机科学（TCS）；他判断 TCS「即将崩塌」，复杂度类之间的分离或不分离可能最先被 AI 揭示。
• Keller Jordan 就治理层面提出质疑：如果数学家是真正自治的群体，本可以自己不去制造、也无视质量不佳的 AI 证明；他感叹人类群体自治能力有限并不罕见，但看到被誉为「最聪明」的数学界也如此放任，令人失望。

为什么重要

• 这场讨论厘清了「解题能力」与「数学能力」的区别，为评估 AI 对基础科学的影响提供了更精细的框架。
• 数学成果的唯一性意味着 AI 冲击在数学领域可能比艺术等领域更直接地触及职业认同与优先权体系，数学界需要提前思考适应与治理策略。
• Igor Carron 的视角提示，AI 对「能否解题」类问题的冲击可能首先体现在理论计算机科学等以复杂度类分离/归约为核心议题的领域。

2026-09-16 ~ 2026-09-17 · 7 条相关

• 【源头】数学家 Tony Feng 回应 Szegedy：AI 尚未真正超人类 — littmath · 2026-09-16
• 数学家激辩 AI 超人推理:求解纳维-斯托克斯后人类专家仍不可少 — littmath · 2026-09-16
• 【源头】LeCun:AI 会证定理不等于数学超越人类,直觉与创造仍是短板 — ylecun · 2026-09-16
• 【源头】为什么数学比艺术更难与 AI 达成「人类专属」默契 — moultano · 2026-09-16
• AI 只管解难题不赏风景，数学家担心的事有道理 — _lewtun · 2026-09-17
• 从 Navier-Stokes 到复杂度类:AI 真正的战场是理论计算机科学 — IgorCarron · 2026-09-17
• 研究员质疑数学界对 AI 证明「自暴自弃」式放任 — kellerjordan0 · 2026-09-17