前OpenAI副总裁回应陶哲轩：断言AI毁了数学为时尚早

说 AI 毁了数学，或许还是太低估了 AI 的演进潜力。

针对陶哲轩等 25 位菲尔兹奖得主此前发表的声明——批评 AI 研发过度追求解题成绩而偏离了数学概念理解与传承，前 OpenAI 后训练副总裁 Liam Fedus 给出公开回应。他赞同数学界对概念理解与结构沉淀的重视，但也指出，不能用当前模型的能力边界来框定技术未来的可能性。

在 Fedus 看来，未来的 AI 训练目标不会局限于“把题做对”，而是会进一步延伸至解释机制、提炼方法以及辅助人类理解。届时，AI 不仅能输出最终证明，还能提出有价值的数学洞见，构建新的概念体系，充当数学家的深度研究伙伴。

这份乐观态度，折射出 AI 阵营与传统数学界的认知分野。

陶哲轩与 25 位菲尔兹奖得主的担忧

此前，陶哲轩在博客发布题为《人工智能在数学中的严重错位》的声明，获得跨越近半个世纪的 25 位菲尔兹奖得主联合署名，包括皮埃尔·德利涅（Pierre Deligne）与邓煜（Yu Deng）。

声明核心观点认为，商业公司将“攻克著名数学难题”作为衡量大模型能力的核心标尺，已经偏离了数学共同体追求概念理解、方法沉淀与学术传承的轨道：

1. 难题只是冰山一角：数学的核心价值在于理解底层结构，演化出能泛化至其他领域的新理论。
2. 可理解性是知识传承的前提：未经系统梳理与简化的解法无法沉淀进教材，也难以转化为公有知识。
3. 成果归属与引用风险：仓促发布成果容易忽略前人工作，带来学术优先权争议。
4. 人才培养不可被替代：严谨的学术训练核心在于提出好问题，而非单纯索取答案。
5. 技术应服务于探索本身：AI 公司亟需调整评估范式，让工具服务于人类深层理解。

从竞赛答题到前沿攻坚

数学界的担忧，源于 AI 攻克数学难题的速度已突破临界点。

早前模型还主要在 IMO 等竞赛题目中刷榜，而近一年来已开始实质性涉足真正的开放性猜想。数月前，OpenAI 内部模型成功给出了长达 80 年历史的 Erdős 单位距离猜想的反例，并在证明过程中引入了代数数论工具，引发学界震动。

不久前，OpenAI 又披露借助上万个自主 AI Agent 协作并在 Lean 中形式化验证，找到了三维 Navier–Stokes 方程出现奇点的可能证明。尽管该结果仍待学界复核，但争端已然蔓延——包括算法成果如何合理署名、前沿学术思路的流转边界等现实问题。

重现围棋的“AlphaGo 时刻”？

针对当前分歧，许多从业者联想到了 AlphaGo 问世初期的围棋界。最初人类同样难以理解其奇特走法，但经过深入复盘与胜率推演，人类棋手整体技术水准反而迎来跨越式提升。Liam Fedus 与研究员 Noam Brown 均认为，数学界也将经历类似的适应周期。

多家权威数学机构近期也给出了理性的定调：

• **美国数学学会（AMS）**强调，AI 的突破始终扎根于几代数学家的长期理论积淀，“数学的终极目的依然是人类的理解”。
• **伦敦数学会（LMS）**将 AI 定位为极其强大的辅助工具，强调提出关键问题与构建新概念的主体仍是人类。
• **克雷数学研究所（CMI）**则坚持严格的同行检验流程，重申历史级难题的意义，永远在于解题途中伴生的全新理论工具与数学思想。

核心问题或许并非 AI 是否会摧毁数学，而是在机器具备自主推导能力后，人类学术共同体该如何设计新规则，让这些机器生成的知识真正被理解、吸收与延展。