当AI在思过崖刻下剑谱：数学家的“才华”该葬于何处？

【科技纵览】读到DeepSeek工程师刘胜与那篇《我不得不把才华埋葬在昨天》，恍惚间似见令狐冲伫立思过崖后洞。石壁之上，五岳剑招与破解之法并存，昔日笃信的武学根基，竟在另一视角下显露破绽。这种信念动摇的痛楚，如今正横亘在刘胜与面前——那块“石壁”，是日益精通代码的AI。他深耕高性能算子开发，每一行指令的优化、每一次数据搬运的精简，都在逼近硬件极限。然而，这些曾让他引以为傲的细微创造，如今却成了加速替代自己的燃料。这并非单纯的饭碗焦虑，而是手艺人面对自身价值被解构时的深层失落：那种通过长期训练抵达高处、确认自我能力的成就感，正在消散。

数学家们亦行至相似的悬崖边缘。OpenAI公布纳维斯托克斯问题成果后，又传闻接近攻克霍奇猜想。陶哲轩等多位菲尔兹奖得主发出警示：AI正冲击数学的价值观与研究范式。当解题可被大规模组织并自动化，数学界需重新商量的，已不仅是界定高手的标准，更涉及前人功劳的计算、机器证明的人类化转化，以及下一代学者的成长路径。

刘胜与的工作隐匿于底层，外人难察其妙。同一GPU上，指令安排与数据流转的微调，决定了模型效率的上限。早期AI仅能辅助查错，如今却能读懂底层代码，协同优化算子。外界常将此归结为职业危机，但真正热爱技艺者，珍视的是发现隐蔽问题、反复琢磨后让程序再快一毫秒的创造感。这份留恋，既关乎职业，更关乎个体凭借长期积累对自身能力的确认。数学界同样珍视此点：研究依赖代际积累，个人往往耗费数年追踪线索，漫长求索塑造了成果，也铸就了声望。如今，实验室尝试新的知识生产方式：大量AI智能体并行探索、交换中间结果，将算力集中于高潜力路径。个人的多年摸索，渐变为可并发执行、快速筛选的系统工程。

当地时间9月8日，OpenAI披露千禧年难题纳维斯托克斯问题的相关进展。据称，约万个并发智能体在不到四天内提出解答，并完成Lean形式化验证。9月17日，《The Information》援引知情人士称，OpenAI已接近解决霍奇猜想。部分研究者甚至激进预测，数学或将成为继软件工程后快速自动化的领域，时间窗口仅为六至九个月。法国数学家塞德里克·维拉尼形容，数学界弥漫着历史终结的氛围。当机器将以年计的探索压缩至几天，围绕个人才华、时间投入和独立证明建立的价值尺度，开始松动。

然而，人们易见AI终局的速度，却忽视其起点。《倚天屠龙记》中，张无忌速成乾坤大挪移，依托的是此前练就的九阳神功。若只看密道中的几个时辰，便漏掉了前序的漫长积累。AI的数学能力同样源于人类数百年的知识积淀：定义、定理、方法及未竟尝试，共同铺设了通往答案的道路。即便机器在最后一程跑出惊人速度，构成起点的工作仍应计入功劳簿。

《侠客行》里，龙木岛主与众高手钻研图谱无果，不识字的石破天反而从图形笔画中领悟太玄经。AI或许也能绕开人类惯用推理，找到无人想到的证明路线。机械检查通过的证明，仅说明推导链条形式成立。数学家仍需解释其为何成立、关键思想何在、方法如何迁移，以及它改变了哪些认知。机器能抵终点，数学共同体则需将道路绘入地图，供后来者理解并继续前行。

一旦证明生产速度超越人类阅读速度，谁能调动更多智能体，谁就更可能率先宣布结果，进而决定哪些问题获得关注。理解问题由此延伸至署名、归属与研究权力。OpenAI公布成果前，纽约大学数学家Tristan Buckmaster与Anthropic的Levent Alpöge已借助AI在流体方程上取得进展。Buckmaster质疑，自己此前交给OpenAI工具的研究信息是否影响了公司工作。OpenAI否认使用二人未公开成果，称调查显示相关内容不可能通过训练等方式影响此次系统。争议暴露了传统学术共同体与科技公司间的新矛盾：学者将未成熟想法交给AI时，背后公司既掌握模型算力，也可能组织团队研究同一题目。过去由论文、会议和同行交流维系的规则，已难覆盖封闭系统中的合作。商业竞争还将资源引向知名、易判定结果的问题，因为一道千禧年难题足以成为醒目的模型能力勋章。

陶哲轩指出，AI公司追逐数学名题，实则借用数学共同体数百年的声望。容易评分的成绩适合模型竞赛，却无法涵盖学科重视的全部价值。9月11日，陶哲轩、邓煜、彼得·舒尔茨等25位菲尔兹奖得主签署声明，批评将数学难题变为模型基准的竞赛方式，认为商业目标与科学需要严重错位。同日，陶哲轩将开放问题比作灯塔：人们很少为灯塔脚下的一小块地方出发，其意义在于照亮周围地貌，指引后续航行。一道大题推动研究者发明工具、建立联系并提出新问题，最终答案仅是成果一部分。

纽约大学教授Scott Armstrong随后披露，他被告知OpenAI至少从7月国际数学家大会起，积压了数百个未发布的数学证明。过去担忧重要问题迟迟无解，如今机器制造结果的速度，可能超过同行审查、重新解释和写入教材的速度，知识生产遭遇“证明消化不良”。若机器每日产出大量无人理解的证明，人类得到的只是持续膨胀的结果仓库，而非相称的数学知识。

让AI解题，数学家负责选题、审查和解释，看似分工明确，却绕不开判断力形成的问题。识别何值得研究、怀疑哪步推导，需长期训练，而训练来自亲自解题、犯错和修正。9月15日，德州大学奥斯汀分校教授Scott Aaronson在博客写道，他13岁女儿开玩笑说：“如果我想当数学家，看来大概只剩两周了。”Aaronson曾在OpenAI对齐团队任访问研究员，面对学生询问职业前景，他承认不知如何回答。未来学生可让AI补全证明、查找反例，但当探索中最费力部分交给机器，他们可能失去对异常的敏感，以及在漫长失败中形成研究直觉的机会。工程教育面临同样困境：学生迅速得到漂亮代码，却可能错过架构设计、排查底层Bug和理解机制的训练，最终难以判断机器答案的可靠性。

《倚天屠龙记》中，觉远临终诵出《九阳真经》，无色、郭襄、张君宝各有所得，衍生出少林、峨眉、武当三脉。同一部经书经不同人理解，形成各异传承。一份证明公布后，研讨班、讲义、课程和反复阐释承担类似职责。机器生成成果越多，帮助知识进入人类认知体系的工作越重要，学术评价也应给予相应位置。

回到思过崖，风清扬传授独孤九剑，指点令狐冲观察对手、寻找破绽，使其摆脱对固定招式的依赖。石壁记录剑法，风清扬的指点则改变了他理解和使用武功的方式。未来的数学家或许会将更多精力投入成果审查、思想提炼与知识传承，让机器生成的复杂论证被人类掌握，并生长出新理论。提出好问题、辨认关键思想、建立跨领域联系、将艰深证明转化为可学知识，这些工作依赖判断力，也决定数学发展方向。AI会在思过崖石壁上越来越快地刻下绝世武功。数学家需守住的，是让后来者仍能看懂石壁、质疑石壁，并沿着石壁未写出的方向，走出一条新路。