我把钛媒体、界面新闻这两天的报道翻了一遍，事情的时间线是这样的：
今年9月，OpenAI宣称自家模型攻克了纳维-斯托克斯方程，25位菲尔兹奖得主随即联名发出公开信；9月11日，陶哲轩、邓煜等多位菲尔兹奖得主署名发表《人工智能在数学中的严重错位》，直指"AI公司把解决数学问题当作基准测试来推进的做法，对数学这门科学、对数学共同体都是有害的"。
10月6日，OpenAI一口气发布722篇AI生成的数学预印本，宣称在几何、代数及计算机科学等领域的372个复杂数学问题上取得突破。这些论文没走同行评审，也没上arXiv，直接传到了自家GitHub仓库。结果次日就因符号错误撤回三篇；10月8日的更新日志显示，另有14篇被修订、13篇更新引用，总数从722篇降到719篇。
近日，在陶哲轩发起的SAIR Foundation播客里，他和今年新晋菲尔兹奖得主、芝加哥大学教授邓煜正面聊了这件事。陶哲轩的那句评价被顶上知乎热榜：把解题当基准测试，犹如抛出"有毒废料"。
为什么说"能解题"不等于"懂数学"
对谈里最有分量的，是邓煜提出的"两条边界"：一条是已经有证明的问题的边界，另一条是人类能够理解证明的边界。过去几个世纪，这两条线基本重合——能证出来的，人类也看得懂。
AI把第一条线猛推出去了一大截，第二条线却纹丝不动。722篇论文里，大量文字证明与其Lean形式化代码之间存在明显断层。翻译成人话：机器批量生产了一堆"答案正确、无人能读"的证明。对数学共同体来说，没人能检验、没人能站在上面继续盖楼的结果，不是资产，是负债——所以叫废料，还带毒。
这跟普通人有什么关系？关系大了。
你每天用AI，其实也在制造"小型有毒废料"
我用AI写稿、做工具、跑数据一年多，最大的体会和邓煜说的是一回事：AI把"生成"的成本打到接近零，但"验证"的成本一点没降。
- AI写一份方案，30秒；你逐条核对里面的数字和事实，30分钟。
- AI生成一段代码，1分钟；你没跑通就直接部署，出事排查一晚上。
- AI给一个"看起来很对"的答案，你如果直接转发、直接引用，你就是那条污染链的下一环。
OpenAI那722篇论文的教训不是"AI不行"，而是"产出没有经过理解的环节，产出就是废料"。这条规律对你写周报、做PPT、给孩子检查作业，全都适用。
所以我给自己定了三条土规矩，分享给你：
第一，凡AI给的数字，必查信源。 查不到出处的，宁可改成模糊表述，也不写精确数字——这是我踩坑踩出来的，AI编数字编得特别像真的。
第二，凡AI给的结论，必问"为什么"。 让它把推理过程摊开，你只看结果不看过程，就等于签收了一批没人理解的预印本。
第三，把验证环节工具化。 与其每次人肉核对，不如用固定的工作流兜底。比如我在spark1.cn（AI家园）里搭的工具链功能，就是把"生成→核对→润色"串成固定流程，AI干粗活，流程管质量，人只做最后判断。你不需要搞这么复杂，哪怕只是固定"AI初稿+人工复核一遍再发"的习惯，也已经甩开大多数人了。
最后
陶哲轩和邓煜都没有否定AI的数学能力，他们反对的是"把解题当成绩单"的用法。对普通人的启示很朴素：AI时代真正值钱的，不是让AI帮你产出多少，而是你消化、验证、为结果负责的能力。
废料和资产之间，隔着的就是一道"有人真正看懂了"的工序。这道工序，目前还得由你来做。
评论