陶哲轩突然成了AI减速派,他到底在反对什么?

24小时AI快讯2个月前发布 changgong
2.2K 00

cover

陶哲轩这几天的发言让不少人愣了一下。半年前还在到处安利AI工具的人,现在公开喊话模型公司,慢一点。

一、半年前,他还是最喜欢AI的那个人

陶哲轩是菲尔兹奖得主,也是数学界最早把AI嵌进科研工作流的人之一。查文献、写代码、画示意图、辅助计算,他把这些活都交给了模型,还特别愿意分享自己的方法。

2026年3月,他在IPAM会议上劝同行别太死板,说AI在数学和理论物理领域已经ready for primetime,能省掉大量无用功。同月接受《MIT科技评论》专访,他用「哥白尼革命」来形容数学正在经历的变化。

今年春节前,他描绘过更远的图景:未来连初中生都能借助AI和Lean,对数学前沿做出贡献。那时候他画出的,是一条创造力井喷的曲线。

二、那句「完全没有理由这么快」

半年后,画风变了。在SAIR最新演讲里,陶哲轩直接对模型公司喊话,别解数学问题了,这又不是什么世界危机,慢一点。

他的措辞很重。AI公司无休止地加速,却对那之后会发生什么一无所知。完全没理由这么快,一点理由都没有。

有危机感的不是他一个。菲尔兹奖得主Cédric Villani看到OpenAI拿下千禧难题后,说自己大受震撼,像世界末日。而就在三个月前,这位还对LLM嗤之以鼻,说它没有智能,连洗车问题都会答错,不过是统计学复读机。

三、真正的麻烦叫证明消化不良

陶哲轩要说的重点,不在AI能不能解数学题。他打过一个灯塔的比喻:未解决的数学问题就像灯塔。多数人出海不是为了灯塔所在的那个点,但灯塔照亮了整片海域和地貌,让人能安全航行。数学里真正珍贵的东西,一直长在解决问题的过程里。

一个证明有完整的生命周期,通常分五步:生成解答、Lean形式化验证、理解、消化、写进教科书。AI在前两步疯狂加速,后三步的进度几乎是零。没有人做报告,没有人写论文,连按下回车生成证明的人都说不清刚刚发生了什么。

结果是一场知识拥堵。陶哲轩给它起名Proof Indigestion,证明消化不良。他拿20世纪初的街道做对比:原来的街道为行人和马车设计,汽车突然涌进同一条路,拥堵和瘫痪一起出现。

四、AI能验算,却做不了洞见

有人会觉得,人类理解不了也没关系。AI公司接着解题,数学家接着做研究,整体速度总比以前快。

陶哲轩补了一句关键的:这可能不是模型公司的本意,他们想干也干不了。AI做不了洞见,因为洞见无法验证、刷不了分,很难被写成目标函数去训练。能被打分的环节被加速了,不能被打分的环节被落下了。

他担心两件事。第一件是创造力的来源被切断。新的数学问题和前沿方向,常常诞生于写教材时的查漏补缺,或者漫长摸索里的偶然发现。AI直接跳向最终答案,这条漫步式探索的路就走不通了。

五、比数据污染更远的隐患

第二件的隐患更远。今天的AI数学为什么强?因为它吃掉了人类几个世纪写进教科书里的精华,那些被反复打磨、真正消化过的高质量数据。

如果未来学术界堆满AI生成、人类看不懂的证明,下一代模型再拿这些数据去训练,会发生什么,没人说得清。

陶哲轩借了生物学里的克隆小鼠。用体细胞克隆出一只小鼠,再用它的细胞继续克隆,一代代往下。克隆本身有损耗,端粒缩短、表观遗传印记丢失、体细胞突变累积,代数一多,缺陷层层叠加,后代最后可能根本活不下来。在他看来,把证明一股脑丢出来,是不负责任的做法。

六、网友的幸灾乐祸,暴露了一个更普遍的问题

这一切的背景是,陶哲轩联合Peter Scholze、邓煜、Pierre Deligne等25位菲尔兹奖得主写了一封公开信,批评模型公司把数学当成benchmark来刷。信里的意思是,数学研究里最珍贵的是推导过程中的认知摩擦,靠大力出奇迹量产True和False,会把思想生长的土壤毁掉。

OpenAI的回应是成立一个设在普林斯顿高等研究院的数学与人工智能顾问小组,名单里有Edward Witten、Timothy Gowers、Martin Hairer这些顶级名字。但声明里有一句:顾问小组不负责就数学上的内部进展提供建议。翻译过来,欢迎来帮忙传播成果,但别想拖慢进度。

评论区里,共情数学界的声音很少,更多的在玩梗。其中一条被顶得最高,是三个问题:画家倒下时,陶哲轩在哪?作家倒下时,陶哲轩在哪?程序员倒下时,他又在哪?

这三问能传开,是因为不少人都经历过类似的时刻。当一份工作被拆成可验证的步骤,它能守住的,只剩不可验证的那部分。数学界遇到的,是很多行业接下来会遇到的事。判断一份产出有没有价值,标准正在从「AI能不能做出来」转向「有没有人真正消化了它」。如果连这一步都省掉,堆起来的就只是一批没人读得懂的答案。

© 版权声明

相关文章

暂无笔记

您必须登录才能记录笔记!
立即登录
none
暂无笔记...