我们到底为什么要做这一切？Rikab Gambhir在Terry Tao博客上的AI数学讽刺文章
Rikab Gambhir在Terry Tao博客上的客座文章《我们到底为什么要做这一切？》是一篇对数学和物理学中AI驱动的“氛围研究”的讽刺性攻击。该文章于2026年10月15日发表，认为AI系统正被用于生成大量可能正确但难以阅读的结果，而验证和理解这些结果的工作却被外包给人类研究人员。随后在Hacker News上的讨论（156分，124条评论）大体上同意这一诊断，但对文章的犬儒主义、巴别图书馆比喻以及对社会应如何资助纯研究的影响提出了异议。
文章说了什么
文章的核心主张是，AI已将数学和物理研究变成了一场竞相产出潜在正确事实片段而非理解的比赛。文章作者是理论粒子物理学家Rikab Gambhir，作为客座文章发表在Terry Tao的博客上。根据Tao的说明，文章最初以不同的文件格式撰写，并使用AI进行了转换。
文章以对马丁·尼莫勒的《起初他们……》的仿写开场：
起初他们来找艺术家， 我没有出声，因为我不是艺术家。 然后他们来找数学家， 我没有出声，因为我不是数学家。 然后他们来找物理学家， 那真是太酷了，他们给了我免费代币，并承诺为我解决整个领域，现在我终于可以专注于发表论文而不是做物理的重要工作了
文章嘲笑“无情的公司机器人”会为了IPO的营销噱头而烧毁一片雨林来汇编700个晦涩事实。文章引用了OpenAI的722篇数学手稿和物理学界的2500篇论文。文章称，理解解决方案的瓶颈已被移除，因此我们没有理论上的限制来阻止我们无法理解的大量科学事实片段。文章链接到古德哈特定律，并以“说实话？这很罕见。”结尾。
巴别图书馆比喻及其局限
文章使用博尔赫斯的巴别图书馆来论证AI生成的研究可能产生一个无限档案，其中大部分是错误或不可读的结果。博尔赫斯设想了一个包含所有可能书籍的图书馆。文章称，按照2026年的研究标准，那个图书馆将成为人类历史上最成功的研究机构，包含数量难以置信的潜在正确的数学和物理结果，远超OpenAI的722篇论文和物理学界的2500篇论文。文章讽刺地称博尔赫斯是个“没有远见的傻瓜”，没有将图书馆商业化。
Hacker News评论者@A_D_E_P_T认为这个比喻不成立，因为真正的巴别图书馆纯粹是噪音，而AI数学结果的信噪比很高：
博尔赫斯描述的图书馆有25^1312000本书，其中绝大多数完全是胡说八道。（正如模拟器所显示的。）然而，通过AI，我们得到了大量非常可信的——以及，正如Tao自己指出的，经常是正确的——数学证明。在这些新的AI数学结果中，信号与噪音的比例很高，这使我们当前的情况与图书馆完全相反，后者是纯粹的噪音，只有通过随机必要性才能出现信号。
另一位评论者@its_ethan链接到了libraryofbabel.info上的巴别图书馆模拟器，那里随机页面总是乱码。
信任问题：验证还不够
Hacker News上最实质性的反驳是，AI生成的证明即使经过正式验证也会产生信任问题。@bryan0写道：
问题不在于人们不关心，也不在于不应花费资源向人类解释AI结果，问题在于AI很快会比人类更擅长解释自己。然后难题从“AI能否正式验证并解释证明”变成了：“人类是否信任这个证明”。我们是否相信证明是正确的，而不是一个用我们无法理解的技巧精心制作的AI幻觉？为了信任它，正式验证是不够的，除非它能被人类理解。事实上，人类可理解性是唯一重要的。这是AI永远无法独自做到的。
这重新定义了文章的抱怨：问题不仅是效率低下，而是认识论上的合法性。一个人类无法理解的证明可能在形式上是正确的，但它不能像传统数学研究那样作为共享知识发挥作用。
资助问题：为什么资助纯数学？
Hacker News评论者@lacker认为文章提出了正确的问题，但忽略了制度问题：为什么社会要资助纯数学？
在我看来，我们资助纯数学是因为我们相信一些纯数学最终会有用。图灵发明图灵机时是在做“纯数学”，因为我们当时没有别的词来描述它。那么，哪一个会更有用——AI在2026年做的那种纯数学，还是人类在2026年做的那种纯数学？这就是我想看到的辩论。
这将讨论从学术情感转向比较效用。如果AI能比人类更快或更可靠地生成有用的纯数学，那么资助理由可能会改变，无论数学家是否喜欢这项工作。
地位问题：当洞察自动化时会发生什么？
几位评论者认为文章真正关乎的是地位，而非认识论。@derektank写道：
问题是，长期以来，人类将意义、价值和社会地位归因于伟大的认知洞察。以物理学为例，几乎总是提出新思想的理论家，而非测试和验证它们的实验者，赢得了赞誉和名望。亚瑟·爱丁顿的名字没有阿尔伯特·爱因斯坦那样的光环。但现在，当这些洞察的创造可以被自动化时，随着敬意的转移，发生了巨大的动荡。
他补充说这可能是一件好事：
也许我们开始重视你在现实世界中的能力，而不是在纸上玩数学谜题，这是好的、正确的。
@kenjackson指出，软件工程师总是为特定用途而构建，而数学和科学现在可能不得不转变，因为“没有人会被他们的智力成就所打动了。”他问这如何影响“我们对谁/什么是聪明的看法”。@zemo补充说：“嗯，是的，STEM教育的目的就是作为一个工厂，为另一个工厂生产正确的工人。”
工具问题：AI只是一个更好的CAS吗？
一些评论者拒绝文章的框架，认为它是在攻击稻草人。@sobellian写道：
如果一个人真正爱智慧，那么他至少会好奇计算机对一个难题说了什么吗？比如，如果你多年来一直在解决一个特别棘手的积分，我觉得你迟早应该把它输入到CAS中——即使你想之后清理推导过程，忽视你掌握的所有工具，甚至抨击Mathematica作者编写符号积分器的胆量也是愚蠢的。
他说这篇文章“如此专注于巧妙的讽刺，以至于没有真正与细腻的观点互动，而是乐于花几KB文本拆解氛围研究的稻草人。”@bluepeter同样表示，“起初他们……”的模板已经过时，程序员获得了生产力提升：“我可以在一个下午完成需要我多年时间的工作。”@mwillis说工具允许更深入的探索：“博尔赫斯描述的图书馆是无限的。我不介意读几本我本来不会读的书。”
文化批评：讽刺、犬儒主义和真正的问题
Hacker News讨论对文章的语气存在分歧。支持者称其“写得好、深刻、有趣且悲伤”（@bryan0）和“伟大的讽刺”（@ahsgtq）。批评者说犬儒主义削弱了论点。@cbdumas写道：“我同情作者试图传达的一些感受，但在我看来，犬儒和讽刺的风格确实削弱了作者的观点。”@its_ethan说：“不太喜欢这篇文章的情绪，以及它传达的非常犬儒的方式。”
@eadwu认为文章的前提，即数学结果通常是可理解的，已经错误：
现代数学离基本平均知识如此遥远……对普通人来说，请数学家解释某事和请AI/LLM解释是一样的。两者都是请一个神谕将其简化到他们的抽象水平。
@deepsun注意到Collatz猜想仍未解决，所以“说我们所有问题都已解决还为时过早。”@throwawaytea将这种感觉比作建筑项目管理：“为什么有人想要这个花哨的接待台？？这个接待台不值得它造成的人类烦恼。”@throwaway624352写道：“我们必须确保人类的未来，并维护尊严、自由、目的和能动性。”@Gigachad对文章中列出的未来活动回应道：“令人沮丧，但这正是社会正在走向的方向。”
文章最终论证了什么
文章的最终论点是，AI驱动的研究文化不仅是一个数学问题，更是对人类意义的重新定义。文章说：
通过外包好奇心、创造力和理解的负担，我们终于可以专注于最重要的事情：创造价值、最大化生产力，并加速朝向科学最终目标：一个完整的、潜在真实事实的存储库，存在于一个没有人会费心阅读的巴别图书馆。
文章的脚注澄清，“机器人”是一个巨型企业的机器人，部分是通过窃取研究人员的成果制成的，IPO使其他人受益，而“人类”是比喻性的，不指代任何实际理解事物的人。Hacker News上的讨论表明，文章的价值与其说作为政策建议，不如说作为一种挑衅：它迫使人们思考，研究是否应该以潜在正确输出的数量来评判，还是以人类的理解、信任和目的来评判。