陶哲轩刚刚在加州理工学院发表了一个演讲，指出人类数学研究模式正在被AI彻底颠覆，数学是建立在证明稀缺的基础上的，那个时代结束了
演讲名为 Math 2.0。
https://teorth.github.io/tao-web/slides/math-2-0-caltech-2026.pdf
过去近百年里，数学研究一直高度稳定。
但今天，这个古老的领域成了受AI冲击最严重的地方。
传统数学的核心逻辑，正在失效。
为什么数学最先被AI攻陷
数学具备三个在其他学科中极为罕见的特性。
第一是客观可验证性。
数学家可能对什么是好数学各执一词。
但一道证明对不对、完不完整，业内存在绝对共识。
这种逻辑甚至可以用 Lean 这类证明辅助语言，交由计算机进行机械化检验。
第二是高度可数字化。
数学证明不需要实体装置，不需要真实世界的数据输入，也不需要物理实验去复核。
纸笔和标准定义库就能完成一切。
第三是海量高质量数据。
复杂的数学文献，如今绝大多数都已被数字化存储。
这三点加在一起，正好击中了现代机器学习的最强项。
顶尖AI实验室因此把海量算力砸向数学解题，优先级甚至高于其他应用。
结果就是，人类数学正在硬生生从证明匮乏时代，被拽入证明充沛时代。
证明充沛时代的危险错觉
在传统的 Math 1.0 时代，数学建立在证明匮乏的假设之上。
解决一个公开问题并给出正确证明，极其艰难，极其罕见，必须依赖顶尖的人类专家经验。
百年来，几乎所有学术体制、评价激励和研究目标，都在围绕如何搞出稀缺的证明来运转。
但现在，只要算力管够、模型够好，大量过去公认棘手的开放问题，短时间内就能被AI解出来。
提问的人甚至不需要具备高深的专业知识。
社交网络和新闻通稿上，天天都是AI攻破数学难题的捷报。
陶哲轩直接放出了二战战机弹孔图，指出这完全是幸存者偏差。
人们在网上看到的，全是被AI成功解出的一小部分。
更多失败的尝试，根本无人上报。
真相是，即便投入海量算力，当前数学前沿的绝大多数核心问题依然悬而未决。
数学问题的空间是无限的，难度上限也是无止境的。
同时，AI的能力表现极度参差不齐。
在客观可验证的闭环领域，AI强得惊人。
一旦涉及主观判断、现实交互或者数据稀缺的场景，AI立刻漏洞百出。
解题只是手段，从来不是终点
陶哲轩指出，数学界正在掉进一个危险的陷阱。
在研究数学的历史中，解决问题一直是最显眼的指标，但它仅仅是一个替代指标。
真正的目标，是人类对数学规律的深层理解。
在证明匮乏的时代，把解题当作衡量标尺是行得通的。
但在证明充沛的时代，这根标尺彻底错位了。
盲目优化解题速度，单纯追求把题目解出来，对数学的长期健康有害无益。
在纯数学领域，开放问题其实是灯塔。
它们的作用不是让人不顾一切冲上去占领，而是指引人类去探索灯塔周围未知的数学图景。
在尝试解题的过程中，无论最终成功、失败，还是取得部分进展，人类摸索出来的经验和工具，往往远比最终的答案更有价值。
如果借助自动化工具过早撞上了灯塔，人类就会失去探索未走之路的机会，灯塔周围的整片学术生态都会被彻底旱化。
一个关于癌症新药的思想实验
如果AI绕过了人类理解，直接给出了答案，会发生什么？
陶哲轩在现场提出了一个思想实验。
假设人类给顶级AI下达了一个指令：找出一款能够通过三期临床试验的抗癌药物。
AI消耗海量算力后，合成了一组从未见过的化学分子。
数学模型预测它能杀死癌细胞，这一预测在 Lean 中得到了形式化验证，随后药物也确实通过了三期临床试验。
但没有任何人类知道它背后的作用机制。
这时候，你会愿意把它注射进自己的静脉吗？
AI很可能只是利用了临床试验流程中的某个漏洞，给出了一个严重对齐失败的解。
没有人类专家理解机制，没有数学家搞懂模型原理，这样的解法不仅不能用，反而极度危险。
纯数学也是同样的逻辑。
在 Math 1.0 体系里，纯数学问题孕育出人类理解，人类理解再产出可验证的纯数学解，并把认知安全迁移到需要主观判断的应用数学中，形成可持续循环。
现在AI粗暴切断了这一环。
AI直接从问题跳到答案，完全跨过了人类理解。
这种不可持续的解法，不仅损害数学本身的演进，更会让数学在走向复杂现实应用时埋下巨大隐患。
走向 Math 2.0
数学必须从以解题为中心的状态脱离出来，进入 Math 2.0。
AI在未来的正确用法，不是替代人类思考，而是全面强化人类理解与数学之间的连接。
陶哲轩列出了多项正在落地的 Math 2.0 实践。
首先是开放阐释问题。
许多已经证出的重大定理，已知证明极其晦涩难懂。
比如加州理工正在举办的 Mathathon 活动，学生们正尝试用开源AI去寻找更加直观、更易理解的新证明，重构四色定理、ABC猜想或纳维斯托克斯方程等经典成果。
其次是开启实验数学新时代。
过去人类只能做个案研究，现在AI能驱动全样本调查，绘制全新的难度地形图。
等式理论项目在2024到2025年间，通过人机协作一口气判定了通用代数中超过2200万个命题的真伪。
逆伽罗瓦问题挑战赛在2026年完成了第一阶段，成功找到了对应24次所有25000个伽罗瓦群的多项式，目前正向31次扩展。
再者是消融实验与定理邻域探索。
把一个已证定理交由AI，撤掉其中某些高级工具，测试能否找到更初等的解法。
或者修改、放宽某些前提假设，看看原结论还能抢救出多少推论。
此外，还包括建立显式解析数论网络这种活体学术表格，扩建 Mathlib 这种超大型形式化数学库，以及开发高可解释性、高安全性的开源专用数学模型。
陶哲轩透露，一些开源数学模型很快就会正式发布。
在演讲的最后，陶哲轩强调了一件事。
迈向 Math 2.0 的最大阻碍，根本不是算力技术，甚至不是传统的学术体制。
真正的瓶颈，是人类自身的想象力。
--end--
最后记得⭐️我，每天都在更新：如果觉得文章还不错的话可以点赞转发推荐评论
/...@作者：你说的完全正确（YAR师）
