AI 在數學領域：向「大數學」與形式化驗證的轉型

AI 正從計算工具轉向自主推理代理

人工智慧已從基礎計算演進到進階數學推理，能夠產出博士級的研究成果並推翻已建立的猜想。雖然電腦數十年來一直協助數學家——例如在四色定理的證明中——但現代 AI 系統現在正處理先前被認為是人類獨有的任務，包括自主生成原創的數學思考。

AI 在數學能力方面的關鍵里程碑包括：

• International Mathematical Olympiad (IMO)： Google DeepMind 和 OpenAI 的系統已達到金牌水準，解決了極其困難的問題。
• Ph.D.-Level Research： Google DeepMind 的 Aletheia 系統自主產出了算術幾何領域中具備發表價值的結果，特別是計算結構常數。
• Conjecture Disproof： OpenAI 的通用型 AI 系統成功推翻了一個組合幾何中的重要猜想。
• Automated Formalization： 像 Math, Inc. 的 "Gauss" 這樣的推理代理已將非正式證明轉化為形式化代碼的過程自動化。Gauss 在幾天內將 Maryna Viazovska 獲得菲爾茲獎的 8 維球體填充問題解法形式化，並在兩週內完成了 24 維的情況。

「大數學」的興起與協作驗證

Terence Tao 提議向「大數學」轉型，這是一個由人類與機器之間大規模、去中心化協作所定義的未來。在這種模式下，人類專注於創意方向與高層次策略，而 AI 處理證明與計算的技術性「苦力活」。

這一願景的核心在於使用證明助手——如 Isabelle、Lean 和 Rocq 等專業程式語言——來逐步驗證數學證明。這種形式化驗證層改變了數學協作的本質，原因如下：

• 消除人為錯誤： 形式化消除了證明中出現錯誤或不誠實的可能性。
• 貢獻的民主化： 信任是透過機器驗證建立的，而非透過研究者的聲譽，這使得業餘人士或無名研究者的想法如果擁有形式化證明，就能立即獲得驗證。

存在主義辯論：人類理解 vs. 演算法答案

AI 的興起在數學界內部對於該學科的目的產生了分歧。一派主張優先考慮結果（答案），而另一派則優先考慮過程（理解）。

務實觀點

一些數學家對於 AI 接管發現過程感到自在，如果這能導致解決世界上最重大的問題，例如剩餘的六個千禧年大獎難題。對於這些研究者而言，主要目標是發現數學真理，無論是人類還是機器發現的。

以人為本的觀點

其他研究者，包括菲爾茲獎得主 Akshay Venkatesh 和 Maia Fraser，認為數學是一項根本上屬於人類的活動。他們主張：

• 共識與溝通： 數學是人類對數值現象達成共同協議的一種方式。
• 掙扎的價值： 理解複雜問題的智力掙扎是該學科的主要報酬。AI 生成的證明僅在能被轉化為人類可理解且優雅的形式時，才被視為有用。

AI 整合進數學研究的風險

儘管具有加速潛力，但將 AI 整合進數學領域會引入顯著的系統性風險：

• 智力萎縮： 有人擔心未來的數學家會跳過解題的「掙扎」過程，導致失去獨立於 AI 工具之外進行思考所需的直覺與邏輯基礎。
• 可及性與精英主義： 如果數學的思辨過程被專有 AI 模型取代，該領域可能會變成一種精英活動，僅能由擁有運行這些模型所需龐大運算資源的組織所參與。
• **動機損失：透過電腦處理更大塊的推理過程，人類投入多年深耕單一問題的動機可能會減弱，這可能改變數學訓練對一般問題解決能力所提供的認知益度益處。