7月19日，一个叫Levent Alpoge的研究者在社交媒体上发了句话，大意是："抱歉了各位，雅可比猜想是假的。"这个猜想困扰了数学家将近九十年，而找到反例的不是人，是一个AI系统。
一个多月过去，类似的新闻接连冒出来。我把这一周的报道挨个翻了一遍，越翻越理解今天知乎热榜上那个新问题：AI时代的数学家，应该怎样摆正自己的位置？
纪录被刷新的速度，已经不是人类节奏了
先看这几天的硬新闻。量子位9月5日报道，OpenAI刚发布的GPT-6 Astra在孪生素数猜想方向取得新进展——用Lean形式化证明，把连续素数间距的上界从246推到了186。
这个数字什么概念？孪生素数猜想是数论里最有名的未解之谜之一。当年张益唐证明存在无穷多对间距不超过7000万的连续素数，一战成名；2022年菲尔兹奖得主James Maynard把上界缩小到600，随后有团队基于他的方法推到246——这个纪录已经立了些年头。现在，AI一口气把它推到186。参与其中的北大07级校友苏炜杰对新浪新闻说："那真是超现实的一夜。"
不止解题。网易新闻9月初的一篇报道里，一群AI智能体在一个叫"Station"的虚拟研究环境中，几乎没有人类插手，自己找到了11维空间里一种新的球体密排方式，还改进了几个存在几十年的猜想的边界值。
单看这些，结论似乎是：数学家要失业了。但菲尔兹奖得主陶哲轩——恰恰是数学界最积极拥抱AI的那个人——连发了两则警告，说的完全是另一件事。
陶哲轩慌的，不是AI会做题
今年7月在美国费城的国际数学家大会上，陶哲轩在报告里说，数学正在迎来一场"百年新危机"，AI正在"入侵"数学。但他真正担心的点，量子位那篇报道拆得很清楚：
**AI解题太快、过程又太黑盒，反而可能掩盖数学研究中那些宝贵的"失败"。**他的原话逻辑是：如果想让解题的迭代过程真正产生新理解，负责迭代的人或系统，最好不能提前知道最终正确的拟设是什么——因为一旦提前知道答案，就容易抑制对其他路线的探索。而那些表面上看是"死胡同"的路线，它们为什么会失败，本身往往极具启发性。
他举的例子是纳维-斯托克斯方程全局正则性问题，数学界最著名的开放问题之一。这道题原本被视为研究"AI如何辅助数学"的好样本：既能借AI解决问题，又能从解决过程里为下一阶段铺路。但现在出现一种现实情形——答案可能主要由AI生成，而它出现的方式，会"污染"这个问题，让它不再能成为推动后续进展的源泉。
第二则警告更扎心。新浪财经9月2日报道，陶哲轩认为AI可以提高科研产出，却也可能替代那些用于训练研究生的入门项目——"我们或许会失去下一代科学家。"
真正的危机：不是失业，是被剥夺过程
把两则警告放在一起看，数学家位置问题的答案其实已经浮出来了：AI拿走的不是数学家的饭碗，而是数学家成长的梯子。
一个领域的进步靠两样东西：答案，和产生答案的过程。答案可以外包给AI，越快越好；但过程里藏着理解的来源——试错、死胡同、"为什么会失败"。如果顶尖难题都被AI黑盒式抢答，人类拿到的是一堆无法消化的结果，下一代研究者则连"从简单问题练起"的机会都没了。
这跟普通人的关系比想象中大。你让AI写周报、做方案、辅导孩子作业，本质上面对同一道题：你要的是答案，还是答案背后那点让你变强的东西？全都只要答案，能力就会像陶哲轩担心的科研梯队一样——悄悄断代。
加州大学圣塔芭芭拉分校数学系教授王正汉在9月初被广泛转载的一篇文章里给了个乐观的框架：中文的"危机"由"危"和"机"组成，真正革命性的数学思想恰恰诞生于未知与不确定之中，那些尚未成熟、不断生长的"生长型数学"，或许会因AI迎来新的繁荣。数学家摆正位置的方式，不是跟AI比谁证得快，而是去做AI做不了的事：提出值得解的问题，判断哪些结果重要，把AI的产出解释给人类听。
你今天就能用的三个"保过程"动作
不做数学，这套逻辑照样能抄作业：
**一、要答案时，连过程一起要。**给AI的指令里加一句："不只给结论，列出你的推理步骤，包括你试过但放弃的思路。"死胡同信息对你往往比正确答案更值钱。
**二、学习类任务，先自己做，再让AI批改。**写一段代码、列一个方案、解一道题——先自己憋一版，再让AI逐条挑毛病。顺序反过来，练的就是AI，不是你。
**三、让AI当解说员，讲不出就是没消化。**拿到AI的产出后，让它用大白话解释"为什么这样做"，你再试着转述给别人。能讲明白的才算你的。
平时想上手练，spark1.cn/tools 里整理的免费工具打开就能用；写材料时可以先用 spark1.cn/ai-writer 搭框架，再自己填充和核实——框架交给AI，过程留给自己。
数学家们正在经历的事，每个用AI的人都会经历一遍。位置摆对了，AI是梯子；摆错了，AI就是天花板。
💬 评论