AI 解出难题之后，数学还需要怎样的理解？

配图为 AI 生成的概念插画。

TL;DR：陶哲轩等 25 位菲尔兹奖得主联合发表公开声明，指出当前 AI 企业将解决数学难题单纯当作技术基准（Benchmark）的做法，与数学界追求“概念理解与深层洞察”的本质目标严重脱节；仓促发布未经消化、缺乏解释的机器证明不仅引发学术归属争议，更可能削弱数学界培养人才与传承思想的核心机制。

随着大语言模型数学能力的突飞猛进，AI 已开始涉足并攻克多项重大数学难题。然而，以陶哲轩为代表的 25 位菲尔兹奖得主在声明中指出，当前 AI 产业界单纯以“攻克难题”作为衡量模型性能基准的导向，正在对数学学科及学术共同体产生负面影响。数学研究的终极目的并非仅仅产出“对/错”的判断或机械式的形式化证明，而是通过攻克地标性问题来建立新的概念、提炼方法，并最终转化为人类能够理解和传授的系统性知识。

联名数学家强调，过于追求攻克问题的速度，往往导致证明结果在仓促发布时缺乏清晰完整的阐释与对既往工作的合理引用，从而引发严重的学术归属与剽窃隐患。更重要的是，数学共同体依赖人类学者通过长期的交流、简化与教学来培育年轻人才、传递思维火种；若过度依赖黑盒式的 AI 产出，可能切断数学思想在人与人之间传递的链条。他们呼吁，AI 企业、数学界及全社会应正视这一深层“对齐问题”，共同推动 AI 技术回归赋能人类思考与增进理解的初衷。

来源：https://terrytao.wordpress.com/2026/09/11/a-severe-misalignment-of-ai-in-mathematics/