AI攻克千禧难题之后，25位菲尔兹奖得主联署警告

9月11日，陶哲轩、邓煜等25位菲尔兹奖得主联合发表公开信，警告人工智能的发展正在数学领域造成“严重错位”。

这封信并不反对AI参与数学研究。联署者明确承认，大模型的数学能力已在数月内显著提升，开始解决多个领域的重要未解问题。

真正令他们不安的是：AI企业越来越倾向于把“攻克多少著名难题”作为衡量模型能力的指标，而数学研究的目标远不只是尽快获得一个正确答案。

近期的Navier–Stokes成果，让这场争论集中爆发。

9月8日，OpenAI宣布，其内部系统组织约一万个并发智能体，经过88小时运行，完成了Navier–Stokes千禧年问题的一项证明，随后又用17小时完成Lean形式化验证。整个过程产生约270万条智能体消息，消耗约1300亿输出Token。

克雷数学研究所随后表示，这一问题“显然已经得到解决”，但同时强调，正式评估、同行检验和成果归属将按照既定程序审慎进行。目前尚未正式授予百万美元奖金。

争议不仅来自AI表现出的数学能力，也涉及研究成果的归属和数据边界。

在OpenAI公布证明前，纽约大学数学家Tristan Buckmaster与Anthropic研究人员Levent Alpöge已经利用AI推进一项相关的欧拉方程研究。由于他们曾将大量未公开草稿输入Codex，Buckmaster质疑OpenAI的内部系统是否可能接触或吸收这些研究内容。

OpenAI对此予以否认，表示调查结果显示，Buckmaster此前输入Codex的内容不可能影响此次系统，其证明路线也与两人的工作存在明显差异。截至目前，没有独立证据证明OpenAI复制或“蒸馏”了两位数学家的方法。因此，这仍是一场关于数据透明度和成果归属的争议，不能直接定性为剽窃。

但数学家担心的是更长期的制度性影响。

传统数学研究中，著名难题并不只是等待公布答案的终点。它们更像一座座灯塔，吸引一代代研究者发展新的概念、工具和研究方向。一个证明还需要经过报告、讨论、简化、教学和同行检验，最终转化为其他数学家能够掌握并继续发展的公共知识。

如果AI企业依靠巨额算力，在极短时间内批量完成这些问题，而整个体系只奖励“谁最先公布答案”，研究者就可能面临新的激励困境：过早分享尚未完成的思路，可能意味着被更强大的计算系统迅速超越；但如果越来越多人选择保密，又会反过来破坏数学赖以发展的开放交流。

25位菲尔兹奖得主真正警告的，并不是AI会让数学题变得更容易，而是数学的目标可能被重新定义。

题目或许能够更快得到解决，但如果由此产生的方法没有得到整理，前人的贡献没有获得准确署名，年轻数学家也失去了通过探索和讨论成长的过程，那么数学获得的可能只是更多答案，却未必是更多理解。

AI正在改变数学研究的生产效率。现在需要解决的问题是：如何让这种效率继续服务于知识积累，而不是让速度、算力和企业竞争取代数学共同体原本珍视的理解、协作与思想传承。