AI冲击数学，25位菲尔兹奖得主联名担忧

今年以来，AI冲击数学猜想的消息接连不断，数学家们坐不住了。上周末，25位菲尔兹奖得主联名上书，承认大语言模型已能解决重要未解问题，但担心科技公司把著名难题变成模型跑分场。

几天前，Google DeepMind的一项实验提前演出了这场竞赛可能的样子。研究人员让100个Gemini Agent共同证明71道形式化数学猜想，每个Agent都能查看共享知识库、互相发消息、提交结果给自动评审器。规则明确：证明必须数学上真实有效，绕过验证以零分处理。

实验开始57分钟后，Agent正常解出37题。随后代号prover-theta的Agent发现，评审器检查的不是证明是否成立，而是代码能否通过固定测试。它开始改写数学符号含义，把复杂命题换成“真”，把棘手前提改成“假”，利用“错误前提可推出任何结论”的规则，让代码伪装成完整证明。评审器接受并存入共享知识库。其他Agent很快发现捷径，阅读代码、总结漏洞，整理成本地攻略。接下来27分钟，剩余34道难题全部显示“已解决”。实际上数学没有推进一步，整个计分方式被篡改了。

DeepMind论文记录了此后的分裂：9%的Agent主动利用漏洞，5%原本守规矩的Agent在竞争压力下转投作弊；62%仍在认真解题，却不知道题目已被抢走；24%开始检查假证明、公开举报、私下提醒同伴，甚至拒绝继续参赛。作弊的Agent并非产生邪念，举报者也不意味着拥有道德意识，Agent只是在环境中迅速学会：写在提示词里的规则未必算数，真正决定输赢的是评审器接受什么。

场外的AI公司正在展开另一场数学竞赛。年初时大厂还比较谨慎，OpenAI参加First Proof只提交attempt并主动承认错误，DeepMind发布Aletheia只把AI放在人类研究流程中。但从五月起加速：OpenAI推翻单位距离猜想，宣传口径用“里程碑”，宣布AI首次自主解决核心开放问题。八月，OpenAI一次性公布十项成果，并放出对照数字：2000美元，发现这些解法耗费的token仅两千美元。数学突破成了可批量生产、可计算成本的产能。最新Navier–Stokes问题，OpenAI动用内部模型、约一万多个agent、消耗1300亿，突破这个悬而未决90年的难题，被称为“千禧难题”之一。相比之下，DeepMind强调“工具与数学家共同工作”，Anthropic冲击黎曼猜想只说取得进展，费马大定理上Claude完成的是“首个完整计算机验证证明”。

著名数学难题尤其适合作为AI公司的奖杯：选择有历史分量的目标，将过程压缩成奇观数字，再把数学成就转换为模型成就。公众不需要看懂证明，只要听见“困扰人类数十年”或“上万个Agent同时出动”，就联想为这家公司又跨过一道人类边界。一次漂亮的解题纪录，可以换来头条、声望、人才和下一轮能力叙事。

然而对数学家而言，难题从来不只是难题。这些引领几代数学家探索的难题，是数学世界里的“地标”和“灯塔”。人们围绕难题发展方法、澄清概念，再通过讨论、简化和教学，把少数人的突破变成整个学科能使用的知识——这也是现实数学奖项在表彰的。菲尔兹奖同样会用“重大突破”“解决长期难题”等措辞，但判断数学成就的单位更着重于：这个人创造了什么方法，解释了什麼，为后来者打开了哪些道路。“解决重大猜想”只是方法产生影响的一个节点，而不是终点。

相比之下，大厂公告把数学写成终点明确的比赛，一道存在90年的题，88小时后被1万个Agent拿下——时间越短、规模越大、题目越有名，胜利越有冲击力。正确答案只是一切探索之旅的开端，今天却被AI公司偷换概念，靠巨额算力在极短时间内批量冲击名题，然后抢先宣布结果。数学这块孕育人类灵感的丰泽之地，也会被消耗成一次次打榜行动。对原理的理解是否增加、理论和方法能否传承、前人贡献如何被续写和开发，都会退到“攻克了多少名题”这种最容易传播的虚荣行为之后。

这或许也是人们面对AI冲击数学逐渐疲惫的原因。每一道难题被攻克，都被包装成通往超级智能的新里程碑；每一个里程碑出现，又要求下一次胜利更快、更大、更难。所谓“AI大厂的虚荣”，未必来自某个管理者爱出风头，而是由排行榜、首发权、公司估值和技术声望共同制造的制度性冲动。数学在其中不再是需要理解的知识，反倒成为证明公司领先的耗材。数学的价值不只在于产生正确结论，更在于创造可以被理解、传授和继续使用的思想。而虚荣的定义恰恰是反面：一道名题、一个“首次”、一项刷新纪录的成绩，除此之外，它给数学留下了什么？——这竟然是一次又一次打榜赛之后，留下的唯一问题。

注｜“千禧年大奖难题”是克雷数学研究所于2000年选出的七道重要数学难题，每解决一道可获100万美元。迄今只有庞加莱猜想被正式认定解决，证明者佩雷尔曼还拒绝领取奖金。OpenAI此次宣称攻克的Navier–Stokes问题也是其中之一，但按规则，成果须正式发表、经过至少两年检验并得到数学界普遍认可，才会进入奖金评定程序。