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。该文章发表于2026年10月15日，认为AI系统正被用于生成大量可能为真但难以阅读的结果，而验证和理解这些结果的工作则被外包给人类研究人员。Hacker News上的讨论（156分，124条评论）大体上同意这一诊断，但也对文章中的冷嘲热讽、巴别图书馆的隐喻以及社会应如何资助纯研究的含义提出了异议。
文章内容
文章的核心主张是，AI已将数学和物理研究变成了一场生产可能为真的事实碎片而非理解的竞赛。文章由理论粒子物理学家Rikab Gambhir撰写，并以客座文章的形式发表在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进行转换。
文章以对马丁·尼莫拉《起初他们……》的模仿开头：
起初，他们来找艺术家， 我没有说话，因为我不是艺术家。 然后，他们来找数学家， 我没有说话，因为我不是数学家。 然后，他们来找物理学家， 实际上这真的很酷，他们给了我免费代币，并承诺为我解决整个领域的问题，现在我终于可以专注于发表论文的重要工作，而不是做物理了
文章嘲讽了“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个晦涩事实的想法。文章提到了OpenAI的722份数学手稿和物理学界的2500份报告。文章称，理解解决方案的瓶颈已被移除，因此我们没有无法理解科学事实碎片的数量的理论限制。文章链接到了古德哈特定律，并以“老实说？这很罕见。”作结。
巴别图书馆的隐喻及其局限
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难以阅读的结果。博尔赫斯想象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，那个图书馆将是人类历史上最成功的研究机构，包含数量多得不可思议的潜在正确的数学和物理结果，远超OpenAI的722份报告和物理学界的2500份报告。文章讽刺地说博尔赫斯是个“没有远见的傻瓜”，因为他没有将图书馆商业化。
Hacker News评论者@A_D_E_P_T认为这个隐喻不成立，因为实际的巴别图书馆是纯粹的噪音，而AI数学结果是高信噪比的：
博尔赫斯描述的实际图书馆有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。）然而借助AI，我们却在获得大量非常可信的——而且正如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，信噪比很高，这使得我们当前的状况与图书馆完全相反，后者是纯噪音，只有随机必然性才会产生信号。
另一位评论者@its_ethan链接到了libraryofbabel.info上的巴别图书馆模拟器，那里的随机页面总是乱码。
信任问题：验证是不够的
Hacker News上最有实质性的反驳观点认为，即使AI生成的证明形式上是验证过的，它们也创造了信任问题。@bryan0写道：
问题不在于人们不关心，也不在于资源不该花在向人类解释AI结果上，而在于AI很快会比人类更擅长自我解释。难题随之从AI能否正式验证和解释证明转变为：人类是否信任这个证明。我们是否相信证明是正确的，而不是一个超出我们理解范围、使用花招的精心设计的AI幻觉？为了信任它，形式验证是不够的，除非它是人类可理解的。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。
这重新框定了文章的抱怨：问题不仅仅是低效，而是认识论上的合法性。一个无人能理解的证明可能在形式上是正确的，但它在传统数学研究的意义上无法作为共享知识发挥作用。
资金问题：为何资助纯数学？
Hacker News评论者@lacker认为文章问了正确的问题，但错过了制度性问题：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某些纯数学最终会有用。图灵在发明图灵机时是在做“纯数学”，因为当时我们还没有别的词。那么，哪种会更有用——2026年AI做的纯数学，还是2026年人类做的纯数学？这才是我希望看到的辩论。
这将讨论从学术情绪转向了比较效用。如果AI能比人类更快或更可靠地产生有用的纯数学，那么资助的理由可能会改变，无论数学家是否喜欢这项工作。
地位问题：当洞察力被自动化时会发生什么？
几位评论者认为这篇文章实际上是在讲地位，而不是认识论。@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，几乎总是理论家提出新想法，而不是实验者测试和验证它们，才赢得赞誉。亚瑟·爱丁顿的名字没有阿尔伯特·爱因斯坦那样响亮。但现在这些洞察的创造可以被自动化，当声望从前者转移时，就会出现巨大的痛苦。
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存在能力，而不是在纸上玩数学谜题，这是好的和正确的。
@kenjackson指出，软件工程师总是为特定用途构建，而数学和科学现在可能不得不转变，因为“没有人会再被他们的智力成就所打动”。他问这是如何影响“我们对谁/什么是聪明的看法”的。@zemo补充说：“嗯，是的，STEM教育的目的就是作为工厂生产出适合另一个工厂的正确工人。”
工具问题：AI只是更好的CAS吗？
一些评论者拒绝文章的框架，认为那是一个稻草人。@sobellian写道：
如果一个人真的爱智慧，那么难道他不会至少对计算机对一个困难问题的说法感到好奇吗？比如，如果你多年来一直在纠结一个特别棘手的积分，我觉得你应该早就把它输入CAS了——即使你之后想清理推导过程，忽视你手头的每一个工具，甚至对Mathematica的作者写一个符号积分器的胆大妄为表示愤慨，那也是愚蠢的。
他说这篇文章“太专注于聪明的讽刺，以至于没有真正参与细致的观点，而是乐于花上几KB的文本去拆穿‘氛围研究’的稻草人。”@bluepeter类似地说，“起初他们……”的模板已经过时了，程序员得到了生产力提升：“我一下午就能做原本要花我数年的事情。”@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。我不介意读到一些我原本不会读的书。”
文化批评：讽刺、愤世嫉俗和真正的问题
Hacker News的帖子在文章的语气上存在分歧。支持者称其“写得好、深刻、有趣、悲伤”（@bryan0）和“伟大的讽刺”（@ahsgtq）。批评者说愤世嫉俗破坏了论点。@cbdumas写道：“我同情作者试图传达的一些感受，但在我看来，愤世嫉俗和讽刺的风格确实削弱了作者的观点。”@its_ethan说：“不是很喜欢这篇文章的情绪，以及它传达的非常愤世嫉俗的方式。”
@eadwu认为文章的前提，即数学结果通常是可以理解的，已经是错误的：
现代数学与基本平均知识相去甚远……对普通人来说，请数学家解释某事和问AI/LLM是一样的。两者都是请一个神谕把它简化到他们的抽象层次。
@deepsun指出考拉兹猜想仍未解决，所以“说我们的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前台？？这个前台不值得它引起的人类烦恼。”@throwaway624352写道：“我们必须确保人类的未来，维护尊严、自由、目的和主观能动性。”@Gigachad对文章列出的未来活动回应说：“令人沮丧，但这正是社会正在走向的方向。”
文章的最终论点
文章的最终论点是，AI驱动的研究文化不仅是数学问题，更是对作为人类意味着什么的重新定义。它说：
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、加速迈向科学的终极目标：一个潜在真实事实的完整仓库，存放在一个无人愿意阅读的巴别图书馆里。
文章的脚注澄清，“机器人”是一个大公司的机器人，部分是通过窃取研究人员的东西制造的，IPO使别人致富，而“人类”是比喻性的，并不指任何真实的人理解任何东西。Hacker News的讨论表明，文章的价值与其说作为政策建议，不如说作为挑衅：它迫使人们思考，研究是否应该由潜在真实输出的数量来评判，还是由人类的理解、信任和目的来评判。