重新定義數學價值：支持有動機的解釋之論點

證明作為理解代理的危機

在人工智慧生成證明的時代，傳統數學成功的衡量標準——解決開放問題並產生證明——正逐漸成為衡量人類理解進展的不充分代理。當機器能產生證明卻不提供直觀洞見時，該證明作為人類智力進步衡量指標的價值便受到動搖。

為應對此問題，Grant Sanderson 提出數學界應正式定義並獎勵「有動機的解釋」。此轉變將使領域的焦點從證明的二元輸出（正確或錯誤）轉移至使數學概念清晰且直觀的過程。

定義「有動機的解釋」

有動機的解釋在結構、目標和有效性衡量上與形式證明有根本差異。雖然證明旨在闡明定理為何為真，有動機的解釋則旨在澄清為何提出該定理是恰當的，以及它如何融入更廣泛的脈絡中。

證明與有動機解釋之間的主要區別

特徵	形式證明
定義的放置位置	定義出現在開頭；構造物在分析其性質後才引入。
邏輯路徑	每個主張必須是前一步的必然推論。
主要目標	證明特定定理為真。
驗證方式	二元（正確或錯誤）；可由 Lean 等工具驗證。

Sanderson 提到「發現小說」——Michael Nielsen 所創的敘事風格——是此類作品的典範。在發現小說中，讀者追隨一系列簡單但錯誤的解決方案，識別其崩潰之處，並迭代修正，直到達成正確的洞見。

數學敘述的典範

歷史上，高價值的敘述常被視為「不產生成果的活動」，通常僅由數學家在達到頂峰地位（例如獲得菲爾茲獎）後才從事。Sanderson 主張，此類工作應促進而非延後專業認可。

• 《普林斯頓數學指南》：由 Timothy Gowers 編輯，該書為數十個活躍研究領域提供了深刻的直覺與動機，模擬黑板對話的清晰度。
• Bill Thurston 的作品：在他的論文《論數學中的證明與進展》中，Thurston 主張數學家的核心成就在於推進人類理解。他的影片《Outside In》視覺化了球面翻轉，將發現的影響從單一證明（0 到 1）轉化為廣泛的人類參與（1 到 N）。
• Timothy Chow 的「開放敘述問題」：Chow 提出了「開放敘述問題」的概念，目標是將某主題解釋得完全清晰明瞭。

人工智慧對數學實踐的影響

近期發展顯示，證明的存在與理解的存在之間的差距正在擴大。例如，Erdős Problem 1196 的解決涉及與 GPT-5.4 Pro 的互動。雖然 AI 提供了證明，但人類數學家（包括 Terence Tao）仍需撰寫論文，擴展並置入脈絡，使關鍵概念對人類可讀且可用於其他問題。

這暗示未來每一個由 AI 生成的證明都將以「未解決的敘述問題」形式誕生，創造出對人類將機器驗證的真理轉譯為人類理解洞見的巨大需求。

學術激勵的建議轉變

為提升有動機解釋的地位，Sanderson 建議對數學的學術與專業結構進行幾項實際改變：

1. 教學轉變：博士導師可要求學生以演講形式向同儕與教職員展示解決方案，重點在於解釋直覺能力，而非僅交付書面解答。
2. 新基準：領先人物可列出現代版的希爾伯特問題，特別標示重要領域中的「未解決敘述問題」。
3. 機構認可：聘任與終身教職決策可更重視高品質教科書與敘述性工作的創造，類似 AMS Steele 奖對敘述的獎勵，但適用於早期職涯研究者。
4. 專門出版：設立專注於使成果在社群中更廣泛被理解的期刊（例如 Mathematical Discourse）。

社群觀點與反駁

實務者與觀察者的討論揭示了對理解的渴望與專業數學經濟現實之間的張力。

「實用性問題」

一些批評者認為，若人工智慧最終能以與生成證明同等效率的方式產生自然語言解釋，將目標轉向「解釋」可能不是人類數學家可持續的防禦機制。一位評論者指出：

"最好的有動機解釋將由人工智慧生成，它對主題與你有深層理解，這種理解遠超任何其他人類，並能在解釋過程中與你互動。"

「側邊任務」的喪失

有人擔憂，若依賴人工智慧快速解決問題，將消滅「側邊任務」——在艱難證明過程中產生的旁支發現——這些發現往往導致全新領域的誕生（例如，費馬最後定理的掙扎促成了橢圓曲線密碼學）。

專業轉向

有人將當前數學的狀態比作軟體工程產業，其中「寫程式碼」曾是主要任務，但已轉向系統設計與代理協調。擔憂在於，即使專業角色得以存續，問題解決的「質感」與工藝也可能喪失。