数学家们警告 AI 对数学研究和教育的影响

AI 在数学领域的快速融合引发专业警告

随着人工智能在数学领域迅速占据一席之地，数学家们正在发出警报，并发表了一份正式声明，警告科技行业的商业逻辑可能与数学的价值观背道而驰。担忧的核心在于，数学不仅仅是产生正确答案的机器；它是一种对知识的追求，也是一种依赖人类直觉和严谨训练的艺术形式。

“初级研究员问题”：研究人员培训的侵蚀

社区识别出的主要风险之一是新数学家教育链条可能面临崩溃。由于 AI 可以解决“低垂的果实”——即初级研究人员通常用来磨练技能的较简单问题——人们担心下一代数学家将缺乏应对复杂、前沿问题所需的经验。

“博士阶段的研究很大程度上围绕着一个人学习如何进行研究的过程……如果课题组组长宁愿把钱花在算力上，让模型去解决那些‘低垂的果实’，那会发生什么？模型可能只需几个小时就能完成，而人类可能需要几个月。”

这种转变可能会导致这样一个未来：由于通过实践学习的中间步骤被自动化，新手与资深研究人员之间的差距将变得无法逾越。

可访问性 vs. 严谨性

虽然有些人将 AI 视为威胁，但也有人认为它显著降低了该领域的入门门槛。AI 可以充当实时导师，解释复杂的证明，并让那些缺乏传统支持系统或社区的人更容易接触到数学概念。

然而，这种可访问性是以牺牲某些东西为代价的。批评者认为，虽然大语言模型（LLM）可以提供解决方案，但它无法取代验证该解决方案所需的深度理解。多位从业者的共识是，配备了 LLM 的数学家比使用 LLM 的非数学家要有效得多，这强调了基础知识仍然至关重要。

哲学分歧：工具 vs. 艺术

关于数学应该被视为解决问题的工具还是创造性的追求，存在着根本性的分歧。

• 数学作为工具： 这种观点的支持者认为，数学的主要目标是寻找形式化解决方案。从这个角度来看，如果 AI 可以找到人类无法找到的解决方案，那么该领域就获益了。他们将目前的转变与 20 世纪初“人工计算机”（职员）的过时进行类比。
• 数学作为艺术： 反对者认为，发现的过程与结果同样重要。他们主张，解决那些“无用”的、由好奇心驱动的问题（例如 Erdos 问题）对于该领域的长期健康和人类智力的发展至关重要。

未来展望：人机协作

许多观察家建议，数学正进入一个类似于 20 世纪 90 年代国际象棋领域的时代，即通过人机协作实现性能最大化。然而，存在一个更深层的担忧，即我们最终可能会达到一个点，即 AI 生成并验证了人类无法理解的证明，从而有效地将人类完全排除在过程之外。

一些人预测研究经济学将发生转变，即获取大规模算力的能力将成为决定谁能进行高水平研究的关键因素，这可能会导致数学发现集中在少数资金雄厚的机构或公司中。