数学界对人工智慧(AI)快速进入数学研究的疑虑持续升高。包括华裔数学家陶哲轩在内的25位菲尔兹奖得主，近日联合发布题为「数学领域中人工智慧的严重失衡」的声明，警告大型语言模型(LLM)近几个月来数学能力大幅提升，甚至开始解决部分重大未决问题，但AI企业若持续把破解数学难题当成基准测试(Benchmark)与竞赛成绩，可能对数学这门科学及整个数学共同体造成破坏。

这份声明认为，AI企业追求模型在数学基准测试上的分数与数学界追求理解、洞见及知识传承的核心目标之间，已经出现严重脱节。问题不仅限于数学领域，也可能成为更广泛的AI对齐问题，并进一步冲击其他科学、创意工作及整个社会。

联署者指出，数学研究的核心并不是单纯得到正确答案，而是理解形状、数字及自然现象背后的基本结构。经过数代数学家的累积，人类建立起由深奥思想、方法、抽象概念及各种工具组成的庞大知识体系，而现代科学与技术也大量建立在这套数学工具之上。

历史上许多著名数学难题，更像是衡量人类认知能力进展的路标与灯塔。当数学家解决其中一项难题时，真正重要的意义并不只是得到一个答案，而是代表人类取得新的认知视角、洞见或研究方法。

而在一项重大问题被解决后，数学共同体通常还需要经历漫长的报告、研讨、讨论、验证与简化过程，才能真正理解其中的意义。理想情况下，新的成果最终会被整理成研究生甚至大学生都能理解的教材，其中部分核心思想还可能继续发展，在数十年甚至数个世纪后，成为全人类都能理解并运用的通用工具。

联署者认为，这种漫长的消化与传承过程正是数学发展不可或缺的一部分，但AI快速产生答案的模式，可能正在破坏这条链条。

声明指出，数学共同体在许多方面就像一个人类社会的缩影，由使用不同研究方法的个体组成，并透过共同的核心价值凝聚在一起。其中最宝贵的资源就是学生与思想。

数学家培养学生的目的，并不只是让他们完成一道题目，而是透过问题、训练及研究，培养其专业能力，使其最终能够独立进行数学探索。对于新的数学思想，数学家则透过学术报告、私下讨论及严谨论文进行交流，并将新思想与前人的研究脉络连结起来。

这些工作都需要时间，而且高度依赖人与人之间的直接互动。

但AI的快速发展正在改变这种模式。声明指出，近几个月来，大型语言模型在解决重大数学难题方面的能力迅速提升，甚至成为数学界以外的新闻焦点。然而，解决一个具体问题本身只是工具与手段，真正的终极目标仍是形成深层的概念理解及学术洞见。

联署者警告，如果AI产业只追求以越来越快的速度、大规模产生「真」或「假」的数学命题与答案，这种模式可能不但无法滋养新思想，反而会摧毁孕育新思想的土壤。

问题之一在于AI产出的数学成果可能过于仓促。相关团队可能没有足够时间撰写完整且严谨的论文，也来不及从答案中提炼真正具有价值的新方法与新思想，更可能无法完整整理及引用前人的相关研究。

这不仅影响数学研究的品质，也可能造成严重的成果归属问题，甚至引发抄袭争议。

声明进一步指出，即使AI产生了真正具有价值的数学思想，如果没有数学家愿意投入时间深入研究、验证、整理并将其整合进既有的数学知识体系，这些AI产生的想法也可能无法真正成为数学的一部分。

换言之，AI可以产生答案，但真正让一项数学成果「活下来」的，仍是人类数学家对其进行理解、消化与传承的过程。如果这个过程被AI大量取代，数学家之间极为重要的代际传承链条可能逐渐断裂。

声明特别强调，这并不只是数学界自身面临的问题，而是整个智力劳动世界正在面对的共同挑战。

在许多专业领域，多年甚至数十年的严格训练，目的从来不只是让人最终交付一项产品或一个答案，更重要的是培养理解能力，以及提出新问题、新概念与新思想的能力。

然而，AI系统建立在大量人类历史知识与前人工作的基础上，现在正越来越有能力跳过原本漫长的训练与思考过程，直接产生工作的最终结果。联署者认为，这可能导致工具的使用结果与原本培养人类能力的目的产生根本脱节。

声明并未否定AI对数学研究可能带来的正面作用。相反地，25位菲尔兹奖得主认为，人工智慧确实具有增强并加速真正数学研究与理解的巨大潜力，数学这门专业也必须从不同层面适应新技术。

但他们强调，AI最终究竟会造福数学及人类，还是带来破坏性后果，很大程度上取决于掌控这项技术的人如何做出决策。

这份声明因此呼吁，数学界、开发AI技术的企业，以及即将在其他智力劳动领域面临类似冲击的整个社会，都必须尽快正视这些问题。

声明的核心并不是反对AI进入数学，而是要求人类不要忘记数学研究真正的目的。如果AI能协助数学家更快发现新的结构、提出新的猜想、探索过去难以处理的问题，这项技术可以成为强大的研究工具；但如果产业只把「解题速度」及「Benchmark分数」当成AI能力的主要衡量标准，却忽略理解、验证、传承与培养下一代研究者的重要性，最终可能出现「工具超越目标」的反效果。

这份联署也因此将数学界目前面临的问题视为一个更大的警讯：当AI逐渐能够直接完成原本需要人类长期训练才能完成的智力工作时，人类应该如何确保自己没有在追求效率的过程中，失去这些工作原本要培养的理解力、创造力与探索未知的能力。

参与联署的25位菲尔兹奖得主包括：

• Artur Avila(2014年菲尔兹奖)

• Manjul Bhargava(2014年菲尔兹奖)

• Caucher Birkar(2018年菲尔兹奖)

• Pierre Deligne(1978年菲尔兹奖)

• Yu Deng(2026年菲尔兹奖)

• Simon Donaldson(1986年菲尔兹奖)

• Hugo Duminil-Copin(2022年菲尔兹奖)

• Alessio Figalli(2018年菲尔兹奖)

• Martin Hairer(2014年菲尔兹奖)

• June Huh(2022年菲尔兹奖)

• Maxim Kontsevich(1998年菲尔兹奖)

• Elon Lindenstrauss(2010年菲尔兹奖)

• Pierre-Louis Lions(1994年菲尔兹奖)

• James Maynard(2022年菲尔兹奖)

• Curt McMullen(1998年菲尔兹奖)

• Shigefumi Mori(1990年菲尔兹奖)

• Ngô Bảo Châu(2010年菲尔兹奖)

• Andrei Okounkov(2006年菲尔兹奖)

• Peter Scholze(2018年菲尔兹奖)

• Stanislav Smirnov(2010年菲尔兹奖)

• Terence Tao(2006年菲尔兹奖)

• Maryna Viazovska(2022年菲尔兹奖)

• Cédric Villani(2010年菲尔兹奖)

• Wendelin Werner(2006年菲尔兹奖)

• Efim Zelmanov(1994年菲尔兹奖)