专题 · FULL STORY

「数学的终结」之争：AI 会取代数学家吗

Daniel Litt 引发「数学的终结」争论后，数学界多轮交锋：有学者提出反驳框架，指出现有数据仅支持 AI 在某类证明上超人类；牛津学者 Toby Ord 发文强调数学远不止证明，AI 提问能力未被验证；亦有观点主张将结构搜索交给 GPU。

2026-08-23 ~ 2026-08-24 · 3 集 · 15 条

第 1 集 · 数学界激辩「数学终结」：AI 焦虑与人类价值并存(2026-08-23,4 条)

围绕 Daniel Litt 引发的「数学的终结」争论，数学界展开多轮交锋。有数学家提出层层递进的反驳框架，指出现有数据只能支持 AI 在某类证明上超人类，距「无人类数学」尚有三级跳；亦有总结称 Jacob 的立场仅是个人喜爱的学术部分将不再被奖励，与「最好关门」截然不同。一位数学博士坦言圈内「存在性焦虑」普遍存在，同时有人列举 Gromov 体积增长猜想等上周重磅论文，证明人类数学家仍在持续产出高水平成果。

第 2 集 · Toby Ord：数学远不止证明，AI 提问能力仍未被验证(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 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。