陶哲轩把演讲改成《数学 2.0》：证明从稀缺变过剩，人类还能保住「理解」吗

今年 10 月 9 日，加州理工学院贝克曼礼堂，一场迟到了一年的演讲。台上的菲尔兹奖得主陶哲轩，原本准备的题目叫《机器辅助证明》，但在过去这几个月里，他干脆改写了整场演讲，把题目定成了《数学 2.0》（Math 2.0）——这个名字本身就透着一股「旧时代翻篇了」的味道。

为什么是这个时间点？因为在他看来，数学的奇点已经来了。全球顶尖量子计算研究者、曾在 OpenAI 做过两年安全研究的 Scott Aaronson 最近也直接断言了这一点。所谓奇点，落到最直白的层面，就是数学界正被从「证明稀缺」的旧时代，硬推进「证明过剩」的新纪元。

证据一条条摆出来确实吓人。5 月，OpenAI 用 AI 解决了埃尔德什单位距离问题——这可能是有记录以来 AI 模型解决的第一个重大数学问题。9 月 8 日，OpenAI 动用了一个未公开的内部巨型模型，协调约 1 万个 AI 智能体，耗时 88 个小时，给出 Navier-Stokes 方程有限时间奇点的证明，还跑完了 Lean 语言的形式化验证。这是克雷数学研究所悬赏百万美元的「千禧年七大难题」之一，人类数学家苦了几十年没头绪，AI 花了不到四天。可 OpenAI 内部大概觉得这只是个「能力演示」，连宣传都懒得用力。10 月 6 日，他们又在 GitHub 上一个公开仓库空降了 700 多篇由 AI 独立生成的数学论文，涵盖 372 个结果，平均每个开放问题只花了约 3 小时算力去思考，里面甚至推进了黎曼猜想的核心边界——证明了 zeta 函数在 Re(s)>7/8 无零点。另一头，Anthropic 宣布把黎曼 zeta 函数非平凡零点的下界从 41.6% 拉到 67.2%，Google DeepMind 的 AlphaProof 也早已达到国际奥数金牌水平。

如果只看这串战绩，你可能会觉得数学这门古老的学科要完蛋了。围棋死于 2016 年，AlphaGo 击败李世石之后，人类对弈彻底沦为娱乐。十年后的今天，数学——这个人类心智的荣耀——似乎也要重蹈覆辙。随后 25 位菲尔兹奖得主联名发声，警告 AI 的目标严重错位。整个数学界确实慌了。

但陶哲轩不是来唱挽歌的，他是来给新规则定调子的。他把过去几千年定义为「数学 1.0」时代，底层逻辑就四个字：证明稀缺。费马大定理困了人类 300 多年，直到安德鲁·怀尔斯在阁楼里闭关七年；庞加莱猜想折戟无数人，直到佩雷尔曼横空出世。在那个规则里，真理极其昂贵，人类是体系绝对的中心，没有天才的灵光乍现就没有进步。

现在墙塌了。曾经千金难求的证明，只要给够算力和电，AI 就能像印钞机一样源源不断吐出来。许多人在欢呼——这是不是意味着把问题丢给机器、让它给出「对或错」的完美证明，科学就能自动狂奔？但陶哲轩恰恰对这点感到恐惧，他抛了一个让人后背发凉的思想实验：如果 AI 给你开出一副完美的抗癌药，你敢用吗？经过亿万次模拟合成的新化合物，能治愈所有癌症，但医生、生物学家、化学家谁都没看懂它的作用机制，分子结构完全超出人类现有认知。它是个彻底的黑盒。这副药递到你手里，你敢吃吗？

他说得很直白：单纯输出一个看似正确、但人类无法理解的结果，不是科学的胜利，而是一种非常危险的「错误对齐」。放到数学里同样致命——假设 AI 解开了黎曼猜想，给出长达 10 万页的形式化证明，验证工具跑一遍亮绿灯显示「无误」，可全世界没有一个人能看懂这 10 万页里写了什么。这样的数学还有意义吗？数学不只是判断对错，它是物理学的地基、密码学的基石、现代工程的骨架。如果支撑文明的最底层逻辑变成无人能理解的黑盒，无异于在沙丘上建高楼。这不是数学，这是神话。「唯解题论」是个巨大的陷阱。

那人类还剩什么价值？陶哲轩的答案是：有，而且比以往任何时候都重要。他首次在加州理工舞台勾勒出「数学 2.0」的愿景：AI 没有淘汰人类，而是成为人类认知的放大器。游戏规则彻底变了——过去数学家的核心任务是解决开放研究难题、寻找稀缺证明；未来重点在于人类和 AI 的强强合作，并且方向要换。他给了几个具体例子：比如解决「开放性解释问题」，不满足于「证出来了」，而是去给那些证明晦涩的结论找更有启发性、更能揭示本质的解释；比如把大量论文整合成一个持续演化的知识网络，建立大规模高质量的形式化数学知识库。

说到底，这场演讲表面谈数学，实际揭开的是 AI 时代最危险的悖论：人类正在以前所未有的速度获得答案，却可能逐渐失去理解答案的能力。AI 写出千万行没人能完全读懂的代码，设计出没人说得清作用机制的药物，证明了没人真正理解背后思想的难题。我们越来越擅长创造奇迹，却越来越不懂奇迹为何发生。真正的危险，可能不是机器比人聪明，而是人类开始习惯于不再思考。

科学的终极价值从来不是答案，而是理解。这句话说得挺漂亮，但陶哲轩并没有给出一个完整的、能照抄的答案，他只是把问题摆到了台面上，并给了一条方向：别让 AI 只是替你刷题，让它在刷完题之后，帮你把这道题讲懂。至于「证明过剩」的时代里，数学家究竟该靠什么吃饭、那副黑盒抗癌药到底敢不敢吞——这恐怕还得再吵几年。