數學家們警告 AI 對數學研究與教育的影響

AI 在數學領域的快速整合引發專業警告

隨著人工智慧在數學領域迅速取得進展，數學家們正發出警報，並發表了一份正式聲明，警告科技產業的商業邏輯可能與數學的價值觀背道而馳。擔憂的核心在於，數學不僅僅是產生正確答案的機器；它是一種對知識的追求，也是一種依賴人類直覺與嚴謹訓練的藝術形式。

「初級研究員問題」：研究員訓練的侵蝕

學術界指出的主要風險之一是新一代數學家教育管道的潛在崩潰。由於 AI 可以解決「容易取得的成果」（low-hanging fruit）——即初級研究員通常用來磨練技能的較簡單問題——因此人們擔心下一代數學家將缺乏應對複雜、前沿問題所需的必要經驗。

"So much of a Ph.D. revolves around the person learning how to do research... What happens when the group leaders would rather spend money on compute, and get models to solve the low-hanging fruit? Which the models could very well do in mere hours, compared to months."

這種轉變可能導致未來新手與資深研究員之間的差距變得無法逾越，因為「從做中學」的中間學習步驟已被自動化取代。

可及性 vs. 嚴謹性

雖然有些人將 AI 視為威脅，但也有人認為它顯著降低了進入該領域的門檻。AI 可以充當即時導師，解釋複雜的證明，並讓缺乏傳統支持系統或社群的學習者更容易接觸數學概念。

然而，這種可及性是以犧牲為代價的。批評者認為，雖然大型語言模型（LLM）可以提供解決方案，但它無法取代驗證該解決方案所需的深層理解。幾位從業者之間的共識是，配備了 LLM 的數學家會比非數學家使用 LLM 的效果好得多，這強調了基礎知識仍然至關重要。

哲學分歧：工具 vs. 藝術

關於數學是否應被視為解決問題的工具，還是作為一種創造性的追求，存在著根本性的分歧。

• 數學作為工具： 這種觀點的支持者認為，數學的主要目標是尋找正式的解決方案。從這個角度來看，如果 AI 可以找到人類無法找到的解決方案，那麼該領域就獲得了進步。他們將目前的轉變與 20 世紀初「人工計算機」（clerk）的淘汰比作起來。
• 數學作為藝術： 反對者認為，發現的過程與結果同樣重要。他們主張，解決「無用」的、由好奇心驅動的問題（例如 Erdos problems）對於該領域的長期健康發展以及人類智力的發展至關重要。

未來展望：人機協作

許多觀察家建議，數學正進入一個類似於 1990 年代西洋棋的時代，即透過人機協作來實現性能最大化。然而，人們也存在更深層的擔憂，即我們最終可能會達到一個點，AI 生成並驗證了人類無法理解的證明，從而有效地將人類完全排除在過程之外。

一些人預測研究的經濟學將會發生轉變，屆時獲取龐大運算能力的權力將成為決定誰能進行高階研究的關鍵因素，這可能導致數學發現集中在少數資金充足的機構或企業之中。