AI观察|人工智能为数学研究打开更多可能性

　　陶哲轩很少发出警告。这一次，他警告的不是AI不够强，而是AI太强了。GPT-6 Astra刚发布，就在孪生素数猜想方向上取得进展，用Lean形式化证明把连续素数间距上界从246推到了186。陶哲轩却认为，AI解题太快、过程又太黑盒，可能掩盖数学研究中那些宝贵的“失败”，甚至“污染”问题本身。

　　这个担忧值得认真对待。数学研究的价值远不只是答案。一个未解难题就像一片尚未勘探的旷野，数学家在其中迷路、试错、发明新概念。张益唐2013年证明存在无穷多对素数差值小于7000万，之所以震动数学界，不仅因为结论，更因为他开辟了利用极小素数覆盖区间、结合变量平移与筛法的新路径。后来的研究者沿着这条路不断改进，把上界降到246。这条路本身，是问题送给数学的礼物。如果AI直接给出一个无法解释的186，数学家就可能失去从246到186之间那些失败的分叉。而失败的分叉上，往往藏着下一座金矿。

　　但若因此把AI视为数学的敌人，又可能错过更大的可能性。Astra在孪生素数猜想上的突破，恰恰说明AI能够在人类卡了十年的地方，提供新的推力。人类数学家受限于计算力、记忆力和形式化验证的繁琐，AI却可以不知疲倦地搜索巨量路径、验证每一步推理。Lean证明至少保证了结果可验证，这比一个神秘的黑盒答案前进了一步。但它仍不能替代发现过程的透明——AI如何找到这条路，人类往往不得而知。因此，问题的关键不是拒绝AI，而是如何让AI的搜索、解题过程被记录、被解释、被理解。

　　浙江大学人工智能方向博士生、无界AI联合创始人马千里的案例更有启发性。他借助AI解决Colombo问题，AI尝试了8条路线，其中一条看似美好，不断给出“好消息”，走了11小时后被人类喊停，反而在“放弃”后找到了真正的突破口。这说明，AI擅长生成可能性，但人类判断仍然站在关键位置：选什么问题、哪条路线值得继续、什么结果值得公开。AI不会取代数学家，就像望远镜不会取代天文学家。但望远镜让人类第一次看清了星河，AI也可能让数学家第一次看见过去看不见的路径。

　　更大的可能性在于，AI正在降低数学研究的门槛。过去，高深数学是少数天才的领地，普通人即使有深刻直觉，也常因技术壁垒无法参与。如今，一个对问题有深刻理解的人，可以借助AI完成繁琐推导、验证猜想，甚至提出新问题。数学共同体可能因此扩大。陶哲轩担忧AI本身会变成新的黑箱，但反过来看，AI也可能把不确定性重新分配：人类从繁琐计算中解放出来，更多专注于提出高价值问题。这才是数学研究中不可替代的人类部分。

　　当然，陶哲轩的警告发人深思：如果人类把AI当作“解答器”，输入问题、输出答案，那么问题确实容易被污染，数学将成为黑箱流水线。但如果我们把AI当作“探索器”“提问器”，它就能打开更多可能性。关键在于设计人机协作的方式：不要提前让AI给出最终拟设，而是让它陪人类一起迷路、排除错误、发现岔路。就像马千里那样，人类的判断决定哪条路值得走，AI负责把每条路走得更远。

　　人工智能之于人类，是人类今后最重要的关系之一。过去最重要的是人类和人类，人类和自然的关系。数学作为人类智力最纯粹的领域，正站在一个奇特的位置：它最需要答案，却也最需要失败，因为失败的背后，往往是伟大的发现。AI可以加速答案，但只有人类能决定哪些问题值得被问。真正危险的，不是机器学会了数学，而是人忘了数学为什么需要那些弯路。

　　答案会过时，问题才是数学的生命。人工智能为数学研究打开的可能性，最终不在于它解开了多少难题，而在于它能否帮助人类提出更好的问题。这或许才是陶哲轩警告背后的真正期待：别让AI替我们思考，而是让它帮我们更好地思考。

　　作者：程振伟 杭电叙事表达系统工作室成员‌