专题 · FULL STORY

数学的终结？AI与数学家激辩

Daniel Litt 抛出「数学的终结」论断后，多位数学家于八月在 X 上展开多轮交锋：Toby Ord 撰文强调数学远不止证明，AI 提问能力尚未验证；也有人主张将结构搜索交给 GPU。争论核心是 AI 进步是否动摇人类数学研究的价值。

2026-08-23 ~ 2026-08-24 · 3 集 · 16 条

第 1 集 · 数学家激辩「数学终结论」：AI 超人类与无人类数学隔着三级跳(2026-08-23,5 条)

围绕 Daniel Litt「数学的终结」引发的争论，多位数学家在 8 月 23-24 日于 X 上展开多轮交锋，核心分歧在于 AI 的进步是否意味着人类数学研究的终结。反驳方以方法论与实证两个层面表明「AI 在特定任务上占优」与「人类数学终结」之间存在本质区别。

已确认

  • @Ognifedefingo 提出层层递进的反驳框架：数据只能支持「AI 将在某类证明上超人类」，但从这一点到「证明泛滥」（proof abundance）之间存在巨大鸿沟，更遑论「无人类数学」，中间隔着三级跳。
  • @Ognifedefingo 转述 littmath（Jacob）的立场：他个人喜爱的数学学术部分将很快不再被奖励，因为模型能廉价完成这些工作；但他指出这可能是真的，却与「我们最好关门」非常不同。
  • littmath 认为很少有数学家尝试用模型一次性攻破难题，因为「其他人在做同样的事」，边际价值很低，唯一动机是抢先，而这基本只在为 AI 公司做宣传时才有意义。
  • 一位数学博士在与 Terence Tao、littmath 等人争论时表示，其博士同学朋友几乎都对数学这一学科抱有「存在性焦虑」，并断言对方同事们也必然表达过类似担忧。
  • 针对关于 AI 与人类数学家产出比例的争论，littmath 列举上周发表的重磅论文作为反驳证据，包括 Gromov 体积增长猜想等，认为人类数学家仍在持续产出高水平的 interior results，而非仅是标题党式成果。

为什么重要

这场争论折射出数学界面对 AI 进展的集体焦虑与理性审视：一方感受到学科存在性威胁，另一方则以方法论（边际价值论证）与实证（近期人类重磅成果）表明「AI 在特定任务上占优」与「人类数学终结」之间存在本质区别，为讨论提供了更精确的概念阶梯。

第 2 集 · Toby Ord：AI 自动化证明，但数学不止证明(2026-08-23,9 条)

8 月 23 日，牛津学者 Toby Ord 发布文章《Mathematics is Much More than Proof》，回应“AI 将取代数学家”的讨论。他承认 AI 证明能力的自动化趋势明确，但强调数学远不止证明，提出正确问题的能力仍是尚未被证明可被 AI 替代的关键环节。次日 David Manheim 加入讨论，形成对 LLM 提问能力的初步交锋。

已确认

  • Toby Ord 指出，过去四十年符号运算已实现自动化，如今我们可能正见证数学证明（或大部分证明）被 AI 自动化的过程，类似于数学家曾将大量时间用于计算、后被 20 世纪计算机自动化的历史。据 m9 转述，他提到 AI 在 2026 年已能证明从猜想到重要定理的一系列结果（如 OpenAI 相关案例）。
  • 他强调数学工作远不止证明，与科学类似，数学的很大一部分在于弄清楚该问什么问题。他从信息论角度指出，一个问题所包含的信息量几乎和它探讨的命题一样多（是非问题比命题少一个比特，加上这个比特就变成命题）。
  • 他举例说明：即使一台机器能在微秒内证明任何真实的数学陈述，如果在所有恒星燃尽之前都无法考虑到类似“单位距离问题”这样的问题，也并无助益。

尚未确认

  • Toby Ord 明确表示，人类数学家能在指数级的可能问题中找到重要问题的独特能力，目前既没有多少证据表明 AI 能做到，也没有证据表明不能做到。他也承认人类选题存在质量不均和选择偏差。
  • 他指出关键瓶颈在于缺乏针对“提出好问题”的良好训练数据或可验证的奖励；除非这种能力是在预训练数学文本或学习证明陈述时免费附带获得，否则很难理解模型为何会具备这种技能。
  • David Manheim 赞同“好问题包含实质性信息”的观点，但根据其引用的数学家模糊印象，LLM 在识别有趣研究方向和提出假设方面已表现相当不错——这与 Ord 的谨慎立场形成张力，但双方均无明确证据。

为什么重要

  • 这一论述为“AI 能否取代数学家”的讨论提供了更细的切分：证明层面的自动化趋势明确，但研究品味、问题选择这类更高层次的数学工作，可能成为人类长期保留的领域，也可能成为下一代 AI 研究的关键攻坚点。

第 3 集 · AI 算力能否取代人脑攻克数学难题引热议(2026-08-24,2 条)

Dmitry Rybin 观察到许多最聪明的头脑被 S^6 复杂结构、n=668 哈达玛矩阵等具体问题占用，认为这类结构搜索与证明搜索工作应交给 GPU 处理，让人类大脑去解决更难的问题。Levent Alpoge 对此回应称，哈达玛矩阵这类问题可能并未吸引太多顶尖头脑关注，并指出学界在数学难题上的算力投入远不及 Anthropic。