菲尔兹奖高光背后：陶哲轩预言数学百年危机，AI引发的深层震荡
高光时刻的冷思考：当数学基石遭遇AI冲击
2026年7月的国际数学家大会（ICM）现场，气氛复杂而微妙。就在华人数学家王虹和邓煜因突破性贡献斩获菲尔兹奖、引发全网热议不到24小时，站在台上的陶哲轩却选择了一个截然不同的叙事角度。这位13岁即获IMO金牌、31岁便摘得菲尔兹奖的数学界泰斗，没有沉浸在庆祝的喜悦中，而是向全球数学界抛出了一枚重磅炸弹：数学正在进入一个动荡时期，一场关于数学价值观与实践方式的基础危机。
这一断言并非危言耸听。上一次数学界使用“百年危机”这样级别的词汇，要追溯到19世纪末至20世纪初的罗素悖论以及随后的哥德尔不完备定理时期。那场危机迫使数学界重新审视逻辑地基，最终建立了严格的公理化体系，奠定了现代数学的可信度。而陶哲轩所指的这一次危机，核心不再是逻辑的完备性，而是价值观与认识论的地基。当人工智能开始能够以极高的效率生成高质量数学证明时，数学家存在的意义、数学研究的目标以及知识传承的方式，都面临着前所未有的解构与重组。
假设前提：跳出“AI行不行”的二元争论
在探讨AI对数学的影响时，公众舆论往往陷入“AI能否替代数学家”的情绪化争论。陶哲轩在演讲《Mathematics in the age of AI》中，巧妙地避开了这一陷阱。他没有花费篇幅去论证AI能力的边界，而是基于First Proof这一独立评测机构在2026年5月发布的受控测试数据，直接确立了一个“工作假设”：AI将在合理成本下，完成相当比例的研究级数学任务。
测试结果显示，在10道全新的研究级数学问题中，AI系统以“可发表质量”解出了7道，单题算力成本仅为10至1000美元。这一数据表明，AI不仅在理论上可行，在实践上也已具备极高的性价比。陶哲轩强调，这并非为了宣示AI的胜利，而是为了将讨论从“是否相信”转移到“如果发生，后果如何”的条件分析上。
这种处理方式极具数学思维。既然AI对数学的影响是一个“元数学”问题，无法通过纯粹的数学推导得出结论，那么借助数学的形式语言——猜想、假设、推论，可以将模糊的社会学和技术学问题转化为可分析的逻辑结构。在此基础上，核心问题浮出水面：如果解题不再是数学家的独占技能，那么数学研究的核心价值究竟锚定在哪里？
古德哈特定律与KPI的异化
数学研究的目标传统上包含多个维度：解决未解之谜、发展新理论、理解物理世界、培养人才、构建学术共同体以及创造具有审美价值的作品。在过去几个世纪中，这些目标高度绑定，解决一个重大难题往往能同时实现多项指标。然而，AI的介入打破了这种自然耦合。
陶哲轩引入了古德哈特定律（Goodhart's Law）：“当一个度量成为目标，它就不再是好的度量。” 在AI时代，由于生成式AI“不接地气”的特性以及商业激励的驱动，过度优化单一指标（如解题数量）会导致数学目标的全面脱钩。
为了揭示这一过程，陶哲轩对“解题”这一行为进行了五次迭代推演，揭示了目标设定的层层递进与复杂性：
- 第一版：解决尽可能多的未解问题。 这是最原始的KPI，但极易导致海量无效或错误证明的产生，如针对黎曼猜想的无数错误尝试。
- 第二版：解题并验证其正确。 借助Lean等证明助手，形式化验证成为可能。但新问题随之而来：如果AI生成了一份长达数千页、机器验证通过但无人能读懂的证明，其真实性如何确立？目前已有数十份此类AI生成的Erdős遗留问题证明躺在数据库上，无人敢背书。
- 第三版：解题、验证并清晰传达。 AI的文本生成能力极强，但其致命弱点在于“平庸的完美”。AI证明往往琐碎冗长，掩盖了关键难点，使得读者产生“懂了”的错觉，实则一无所获。陶哲轩引用1991年Bourgain论文页边自己写的“I hate Jean Bourgain”批注指出，人类理解过程中的痛苦、卡顿与挣扎，本身就是知识内化的必要环节。
- 第四版：被共同体消化和接受。 数学成果的终极认可依赖于同行的深度阅读与吸收。这一过程依赖人类学者的志愿劳动，无法被加速。
- 第五版：纳入正典化体系。 只有进入教科书、成为下一代数学家的基础工具，一个成果才真正完成了其历史使命。这是整个流程中最慢、最珍贵，也最无法被AI加速的环节。
证明过剩与系统阻抗失配
将上述五个迭代环节代入AI生成的背景中，陶哲轩提出了一个严峻的诊断：证明消化不良（Proof Indigestion）。
传统的数学生产流水线是线性的、稀疏的，而AI引入后，各个环节的流速出现了严重的“阻抗失配”。AI生成的证明如洪水般涌现，但验证资源、人类阅读带宽、审稿人精力以及共同体消化的速度并未同步增长。这导致了严重的拥堵：
- 生成的证明堆积如山，等待有限的形式化验证资源；
- 验证通过的证明因缺乏清晰的人类可读表述而被束之高阁；
- 传统同行评审系统面临海量稿件的冲击，效率急剧下降；
- 即便发表，大量成果也未能有效进入共同体的知识体系，造成信息噪音。
陶哲轩指出，数学文化历来建立在**“证明稀缺”的假设之上，荣誉体系奖励第一个解决者。然而，当证明变成批量商品，这种基于稀缺性的激励机制便面临失效风险。数学界正从“证明稀缺时代”迈入“证明过剩时代”**。
应对策略：责任回归与规则重塑
面对这场百年危机，陶哲轩并未提供简单的技术解决方案，而是指向了伦理与制度的重构。他引用《莱顿人工智能与数学宣言》，并提出了三条核心应对策略：
首先是透明度义务。必须强制披露AI的使用情况，避免“隐形使用”带来的信任危机。陶哲轩以身作则，在演示文稿中明确标注了文本补全和图表生成的AI辅助痕迹，强调“不拒绝，不隐瞒”。
其次是责任归属。宣言明确规定，即使使用AI，其正确性和引用责任完全由人类作者承担。这迫使数学家不能将AI视为免责的“黑箱”，而必须作为负责任的主体介入每一个环节。
最后是发表门槛的重定义。陶哲轩提出了一个极具操作性的经验法则：“如果作者不能令人信服地证明，自己可以就其成果做一场清晰的、专家水平的、正确且归属得当的报告，那么这个成果就不应该发表。” 简而言之，AI可以帮你解题，但讲不明白，就别发表。
这一准则将评价重心从“生成速度”转移到了“理解深度”与“表达能力”上。在AI时代，能够清晰阐释数学直觉、构建逻辑链条、并在共同体中进行有效对话的能力，将成为数学家最核心的竞争力。
重建数学的价值地基
陶哲轩的警告并非否定AI，而是呼吁数学界主动掌控技术演进的节奏。他指出，在教育、招聘、科普等强调人类成长与互动的领域，应严格限制AI的使用，以保护属人的认知过程；而在其他研究领域，数学家应主动定义规则，而非被动适应科技公司的产品逻辑。
与百年前那场基于逻辑基础的危机不同，此次危机的本质是认识论与价值观的重塑。如果处理得当，这场危机同样可能成为数学界进化的契机。它迫使整个共同体坐下来，进行一场关于“我们为何而做数学”的诚实对话。
在这场对话中，人类数学家将不再仅仅是解题的工具，而是意义的赋予者、审美的评判者以及知识的守护者。AI可以生成无数证明，但唯有人类能够决定哪些证明值得被记住，哪些思想能够照亮下一个世纪的数学殿堂。这不仅是数学的未来，也是人类智能在算法时代坚守价值的最后阵地。