从“AI课代表”到“减速派”：陶哲轩为何呼吁数学界对大模型踩刹车？

【科技纵览】当菲尔兹奖得主陶哲轩在SAIR演讲中直言AI公司“简直疯了”，并呼吁整个行业必须慢下来时，这种态度的剧烈反转令人错愕。毕竟就在几个月前，他还是硅谷最推崇的“AI布道者”，甚至断言数学正经历一场哥白尼式的革命。如今，这位曾将AI深度嵌入科研工作流的数学家，却站在了加速主义的对立面。值得注意的是，感到危机的并非只有他一人。另一位菲尔兹奖得主Cédric Villani在看到OpenAI攻克千禧难题后，竟形容那感觉如同世界末日般的浩劫。然而讽刺的是，仅仅三个月前，Villani还嗤之以鼻地认为LLM不过是统计学复读机，连简单的洗车问题都答不对。这种从蔑视到震撼的极速漂移，折射出顶级智力阶层在面对光速迭代的大模型时，所感受到的深层焦虑。

陶哲轩反对的并非AI解题本身，而是其带来的“证明消化不良”（Proof Indigestion）。他用灯塔比喻未解数学题：灯塔的价值不在于抵达，而在于照亮海域，指引航行。数学研究的真正财富，是探索过程中建立的工具、框架与洞见，而非单纯的True/False结论。一个完整的数学证明生命周期包含提出解答、机械验证、阐释工作、同行评审及写入教科书五个环节。目前，AI在前两步疯狂加速，却在后三步——即人类的理解、消化与传承上几乎停滞。这导致大量由AI生成的证明堆积如山，却无人能懂，更无人发表。陶哲轩将此比作20世纪初汽车涌入为马车设计的街道，造成了全面的交通瘫痪。

更深层的隐患在于创造力的枯竭与数据污染。陶哲轩指出，新的数学前沿往往诞生于撰写教材时的查漏补缺或漫长思考中的偶然灵感。AI直接跳跃至答案，抹杀了这种“认知摩擦”带来的偶发领悟。此外，当前AI的强大源于吞噬了人类几个世纪打磨的高质量教科书数据。若未来学术界充斥着人类无法理解的AI生成证明，下一代AI再以此训练，便如同生物学中的“克隆小鼠”实验：随着代际增加，端粒缩短、突变累积，最终导致系统崩溃。这种不可逆的数据退化风险，让陶哲轩认为模型公司的行为极不负责任。

面对25位菲尔兹奖得主的联名抗议，OpenAI做出了回应，宣布在普林斯顿高等研究院成立“数学与人工智能顾问小组”。名单囊括Edward Witten、Timothy Gowers等顶级大佬，旨在评估成果重要性并协调传播。然而，声明中明确写道，该小组不负责就数学内部进展提供建议。这一细节耐人寻味：它更像是一种公关姿态，而非实质性的学术让步。对于急于IPO的科技公司而言，数学界的担忧或许只是噪音。与此同时，网络舆论并未给予数学家太多同情，反而充满了幸灾乐祸的玩梗：“画家倒下时你在哪？作家倒下时你在哪？”这种冷漠或许比技术危机本身更值得深思。