FMS数学未来研讨会参会感言by 数学家丹・罗米克（Dan Romik）

★置顶zzllrr小乐公众号，追踪《小乐数学科普》系列报道，进入数学家们的深度思维空间！

曾参与贡献研究“移动沙发问题”的数学家丹・罗米克（Dan Romik）近期参加了斯坦福大学的FMS数学未来研讨会，本文为其观后感，与君分享其心得。

图源： danromik.com

作者：丹・罗米克（Dan Romik）2026-5-8

译者：zzllrr小乐（数学科普公众号）2026-6-6

求喜欢

我在上周五（5月1日）参加了斯坦福大学举办的数学未来研讨会第一天的活动。第二天未能到场，但在YouTube上观看了全部讲座（不幸的是，所有视频现已全部下架，请移步B站，译者注）。这是一场星光熠熠、令人兴奋的盛会，汇聚了众多数学家与人工智能行业从业者，大家共同关心基础数学研究将走向何方。

最近一年，AI 在数学领域的能力突飞猛进，达到了仅仅 1–2 年前（有些方向甚至 8–9 个月前）还遥不可及的水平，现场气氛热烈而振奋。与会者是一群极为出色的人：聪明、严谨、深思熟虑，热爱数学，并对AI以（总体上）积极的方式彻底改变数学研究充满期待。

一、核心印象
1. Lean已成绝对主流

Lean作为数学形式化工具生态里的 “巨无霸” 崛起，其实不算全新现象 ——1–2年前，我身边不少合作者就已经频繁讨论 Lean。但2026年注定会被铭记：几乎所有人都开始讨论Lean，它正式成为形式化领域的事实标准。

Lean的指数级流行，很大程度上归功于多家AI公司将其作为关键基础设施，用于开发能进行高水平数学推理的大模型；同时，这些AI公司近期推出了一系列极强的自动形式化工具，如 Aristotle、Gauss、AxiomProver。

这些进展是会议讨论的核心话题，多位演讲者（莱昂纳多・德・莫拉Leonardo de Moura、克拉克・巴雷特Clark Barrett、凯文・巴扎德Kevin Buzzard、玛丽娜・维亚佐夫斯卡Maryna Viazovska）都详细介绍了与Lean相关的项目、工具，以及人类与AI辅助形式化最近达成的里程碑。

2. 这更像一场AI大会，而非数学大会

这场会议名义上是 “数学的未来”，但大多数讲者并没有真正聚焦数学本身。他们大量抛出数学术语 —— 领域、定理、猜想等等 —— 却很少解释术语背后的数学实质。绝大多数报告的重心都是AI、AI工具，以及这些工具如何真正用于数学研究；数学本身反而有点像事后附带的东西。

举个小例子：第二天开场，组织者贾里德・杜格尔・利克曼（Jared Duker Lichtman）在引言里简短提到了 “所谓的埃尔德什1196问题”，作为AI助力研究突破的例子，但完全没解释这个问题是什么。

（我并非批评他，他是非常认真的数学家，对工作充满热情；只是在简短开场里根本没时间讲数学细节，其他演讲者也一样 —— 不是不关心细节，而是议程太满，必须优先讲AI主题。）

不过也有例外：塞巴斯蒂安・布贝克（Sébastien Bubeck）与玛丽娜・维亚佐夫斯卡（Maryna Viazovska）的报告花了大量篇幅真正讲解他们用AI和Lean做出的有趣数学。至少在我看来，这非常受欢迎，也让报告更有价值。

3. 技术细节远超预期

我原本以为，绝大多数报告都会比较 “空泛”，只谈宏观、大胆模糊的未来预测，没多少技术干货。

确实有少量空话，但整体而言，我喜出望外（而且我最初的预测错了）：演讲者们给出了大量具体、详实、带文献引用的技术细节。他们深耕AI与数学，乐于分享最近工作里的经验技巧。我说的 “最近” 真的很近：比如桑吉夫・阿罗拉（Sanjeev Arora）就在报告里提到了他几天前刚完成的亮眼成果。

二、部分报告简评
1. 莱昂纳多・德・莫拉（Leonardo de Moura）

Lean创始人的概述。内容极富技术深度，非常精彩。

2. 亚当・布朗（Adam Brown）

全场最 “好玩” 的报告。风趣、表达流畅，梳理了工业界让AI攻克困难数学问题的进展。

他的历史回顾从2019年开始：当时AI做数学大致相当于幼儿园水平；一路讲到今天，AI已经在国际数学奥林匹克（IMO）上达到接近超人水平。他对未来趋势做出了理性且乐观的推断。

3. 塞巴斯蒂安・布贝克（Sébastien Bubeck）

我最喜欢的报告之一，很大原因就是数学细节非常丰富。他详细分享了过去一年里5个真实的、AI辅助完成的数学研究案例。

4. 玛丽娜・维亚佐夫斯卡（Maryna Viazovska）

我非常喜欢的另一场报告，因为数学含量极高，围绕她在8维和24维球体堆积问题上的开创性工作，详见：

这个领域我也很关心（我很高兴她甚至引用了我 2023年的一篇小文章）。演讲者优秀、内容极具开创性、鼓舞人心，夫复何求？

5. 桑吉夫・阿罗拉（Sanjeev Arora）

内容扎实、信息密度极高，详细介绍了他与合作者设计的AI解题器高级框架。这些框架让大模型在国际数学奥林匹克（IMO）和First Proof等研究级挑战中取得顶尖成绩。详见

6. 陶哲轩（Terry Tao）

报告题目：《新的数学工作流》，详见。

他聚焦于：在 “证明富足” 时代，数学家的未来会怎样。强大AI让证明变得容易，但数学家珍视的另一些目标未必更容易实现。在这样的世界里，数学研究的整套基础设施（期刊、审稿、讲座传播）都会失衡。陶哲轩深入讨论了数学家需要如何适应这一新现实。

7. 谢尔盖・古科夫（Sergei Gukov）

我同样很喜欢。他聚焦一类特定的AI+数学研究：用深度强化学习算法攻克极难的数学问题。

他有趣地回顾了强化学习的历史：许多基础算法最初是为了让电脑高水平玩雅达利电子游戏而开发。如今，几乎同样的算法支撑着AlphaFold、自动驾驶，以及古科夫用来攻坚难题的AI流程，非常鼓舞人心。

我也很欣赏他做的研究是硬核机器学习思路，和目前很多人走的大模型路线不太一样。

三、总结
值得关注的引言

• “我们还没看到 AI 带来的重大突破，但它即将到来，很有可能就在今年。”

  —— 塞巴斯蒂安・布贝克

• “数学是一张超图。”

  —— 迈克尔・弗里德曼（全场我最喜欢的一句话）

• 详见

整场研讨会在YouTube上都能看（已下架，请移步B站，译者注）。我强烈推荐观看；即便这个行业发展极快，我相信这些报告至少在未来 3–4 个月内仍会保持参考价值。

参考资料

https://blog.danromik.com/the-future-of-mathematics-symposium

https://danromik.com/pages/sofas.html

https://www.youtube.com/@FoMathematics

小乐数学科普近期文章

小乐数学科普历年合集

版权声明：本文首发于微信公众号“zzllrr小乐”的专栏《小乐数学科普》。欢迎个人转发。如需转载，请在“zzllrr小乐”公众号后台回复“转载”，还可通过公众号菜单、发送邮件到zzllrr@gmail.com与我们取得联系。相关图文音视频内容默认遵守CC BY-NC 4.0知识共享协议，未获作者和译者授权，禁止用于营销宣传和商业目的。

·开放 · 友好 · 多元 · 普适 · 守拙·

让数学

更加

易学易练

易教易研

易赏易玩

易见易得

易传易及

欢迎评论、点赞、在看、在听

收藏、分享、转载、投稿

查看原始文章出处

点击底部一起捐

助力腾讯公益

点击zzllrr小乐

公众号主页

右上角

置顶★加星

数学科普不迷路！