OpenAI新模型让数学家集体破防？一场关于数学未来的精神危机

来源：市场资讯

（来源：机器之心）

编辑｜张倩

这个周末，很多数学家都被 OpenAI 的新模型整破防了。

事情是这样的：OpenAI 公布了一份成绩单 —— 其下一代主要模型 Astra 的内部版本，在高维几何、编码理论、群论、算术电路复杂性、量子复杂性、格密码学和极值组合等领域，给出了十项新的研究结果。

其中一些问题至少十年没有取得核心进展，另一些已经悬而未决数十年。结果包括构造出非 sofic 群、推翻 Connes 刚性猜想、解决三个 Erdős 问题，以及推进与后量子密码学密切相关的最近向量问题。

交代完这些，OpenAI 研究科学家 Noam Brown 还补了一句：「我们也没有在每个问题上花费太大力气，测试时计算还有很大的提升空间。」这个所谓的「没花费太大力气」指的是：按照 Sol API 的价格计算，模型寻找全部解法所消耗的 token，成本大约为 2000 美元，也就是每个问题平均花费 200 美元……

这个结果一公布，整个数学界都坐不住了。写出《Proofs: A Long-Form Mathematics Textbook》一书的数学家 Jay Cummings 大呼「不可思议」，直言 AI 解决了他花费大量时间研究的问题。

多伦多大学数学教授 Daniel Litt 则坦然承认自己此前低估了 AI 的能力，直言如今距离让大模型发表能登上《数学年刊》的数论级成果，不过是早晚的时间问题。

还有些研究者心情更加复杂，一方面兴奋于 AI 正在加速科学发现，另一方面也确实因职业身份受到冲击而感到迷茫。其中最常被提到的问题是：数学家以后还有没有工作？人类还能不能继续做数学？数学专业，还值不值得读？

针对前两个问题，有人说社会需要数学家从来不是为了凑够每年的证明数量，而是先确定我们需要多少能守住判断权的人类数学家，再把证明的工作交给他们来主导，这恰恰给纯数学保留了不可替代的位置。但也有人认为事情没那么乐观，因为数学家所拿的薪酬包含定理的证明，当证明工作不再稀缺，只掌握选题与判断力的研究者，或将面临生存空间持续收缩的现实。

针对第三个问题，六届 Kaggle 特级大师、NVIDIA 机器学习专家 Jean-François Puget 认为继续选择纯数学方向存在风险。他用自己的读博方向建议点明，纯符号化的脑力工作正在被 LLM 快速吞噬，想要避开被替代的风险，就得往和物理实体绑定更深的研究方向走。

前段时间一篇引发广泛热议的长文，进一步揭示了这场数学家群体心理危机更深层的内核。

这篇题为《数学的暗夜》的文章，出自青年数学研究者 Kirwin Hampshire 之手。他在长文中写道，真正让自己崩溃的并不是 AI 会不会抢走数学家的工作，而是数学这门学科赖以存在的意义可能正在发生改变。在他看来，数学最珍贵的从来不是证明本身，而是人类第一次发现未知、创造新知识的过程。正是这种探索，让无数数学家感受到一种近乎宗教般的神圣体验。

他认为，如果未来任何一个问题，AI 都能瞬间给出无数种漂亮的证明，那么人类仍然可以学习数学、讲授数学、评价数学，却可能再也没有机会真正「发现」数学。为此，他借用了作家 Jorge Luis Borges《巴别图书馆》的比喻：假如世界上所有可能写出的伟大小说都已经存在，而且 AI 总能第一时间挑出最好的一本，作家当然仍然可以写作，但创作本身的意义，已经不可避免地发生了变化。

Hampshire 坦言，这种变化带来的不是职业焦虑，而是一场精神危机。他担心，人类几千年来借由数学探索未知、触碰真理的独特体验，正在被一点点剥夺。文章最后，他没有给出任何解决方案，只留下一个问题：我们究竟在做什么？

有人说，这篇文章让他第一次真切感受到 AI 短期内所带来的恐惧。

不过，也有人说自己不理解这种绝望。在他看来，AI 不是来抢走数学家的舞台，而是把人从枯燥的形式化泥沼里拽出来，重新把专注力放回最珍贵的直觉与方向判断上。

Noam Brown 也在回复其他网友时直言，他们的 AI 并没有解决数学难题，也没有开创新的数学分支或提出有趣的新猜想。如果一个数学家是在这些问题上耕耘，那暂时还是有很多事情可以做的。

还有人说，这是一场迟来的计算革命，在其他领域早就已经发生过了，其根本目标并没有变，都是为了读懂宇宙的根本规律。

无论最终走向如何，Astra 的这十个结果已经不可逆地改变了讨论的基调。它不再是「AI 能不能做数学」的问题，而是「当 AI 已经能做得相当不错时，人类数学到底还在追求什么？」。

类似的问题，或许其他学科也可以提前想想。

对此，你怎么看？