数学是AI可露天开采的富矿：概念基建成熟处AI可碾过去

博主 onionesque 于 10 月 7 日发布线程，提出一个判断 AI 能否攻克数学问题的框架：如果某个问题已被多次尝试、其邻域已被充分形式化，AI 就有机会将其「磨穿」；历史上很多问题本身只是 proxy，真正价值在于吸引人力去发展一个领域的概念基础设施。

已确认

• 核心比喻：数学是被「露天开采」的富矿——昂贵的「地质勘探工作」（绘制领域地形、发明合适的语言与定义、识别有前景的方向、中间引理等）早已由人类完成，AI 可直接在这些矿脉上系统性开采。
• 传统的数学研究主流路径是：发现有趣现象 → 提出猜想 → 猜想成为社区聚集点 → 发展新工具（即真正的进展）→ 得到解答。作者判断随着 AI 能力增强，这条依赖社区围绕猜想聚集的路径很快将不再主流。
• 短期内，「去美化」已有的证明或证明尝试就有用，即使原本的证明很丑陋；中期看，AI 可能让人更容易跨领域构建理论，而这在过去因学科高度专业化而困难。

尚未确认

• 对于上游的概念开发本身，作者表示不清楚仅靠 AI 会是什么样子。
• 作者坦言好奇 AI 能否攻击那些重要但相对孤立的问题。
• 他也指出局限：上述应用仍然只工作在数学家花数个世纪建立的「概念地质」边界之内。

为什么重要

该框架为评估 AI 在数学研究中的实际能力提供了可操作的判据——不是看问题本身的声望，而是看其周边概念基建的成熟度与可验证性。已开发的 eps 邻域既是矿藏，也提供了通往可验证性的路径，这预示 AI 的近期冲击将集中在成熟领域，而非开辟全新理论方向。

2026-10-07 ~ 2026-10-07 · 7 条相关

• 【源头】从'问题即 proxy'看 AI 攻数学:概念基建成熟处 AI 才能碾过去 — _onionesque · 2026-10-07
• 数学是被"露天开采"的富矿:AI 可收割前人已铺好的概念基建 — _onionesque · 2026-10-07
• 【源头】AI 数学能力的边界:已开发邻域可验证,上游概念构建仍未知 — _onionesque · 2026-10-07
• 研究者观点：靠现象到猜想再到工具的「地表开采」式进展将式微 — _onionesque · 2026-10-07
• AI 挖矿数学富矿论:已有大量中间成果等待 AI 系统性开采 — _onionesque · 2026-10-07
• 【源头】AI 攻坚数学的旧路径:现象→猜想→新工具→解答,很快将不再主流 — _onionesque · 2026-10-07
• AI 证明助手仍在复描数学家数世纪的「概念地质」边界 — _onionesque · 2026-10-07