人类数学到底还在追求什么这个周末很多数学家都被 OpenAI 的新模型整破防了。事情是这样的OpenAI 公布了一份成绩单 —— 其下一代主要模型 Astra 的内部版本在高维几何、编码理论、群论、算术电路复杂性、量子复杂性、格密码学和极值组合等领域给出了十项新的研究结果。其中一些问题至少十年没有取得核心进展另一些已经悬而未决数十年。结果包括构造出非 sofic 群、推翻 Connes 刚性猜想、解决三个 Erdős 问题以及推进与后量子密码学密切相关的最近向量问题。交代完这些OpenAI 研究科学家 Noam Brown 还补了一句「我们也没有在每个问题上花费太大力气测试时计算还有很大的提升空间。」这个所谓的「没花费太大力气」指的是按照 Sol API 的价格计算模型寻找全部解法所消耗的 token成本大约为 2000 美元也就是每个问题平均花费 200 美元……这个结果一公布整个数学界都坐不住了。写出《Proofs: A Long-Form Mathematics Textbook》一书的数学家 Jay Cummings 大呼「不可思议」直言 AI 解决了他花费大量时间研究的问题。多伦多大学数学教授 Daniel Litt 则坦然承认自己此前低估了 AI 的能力直言如今距离让大模型发表能登上《数学年刊》的数论级成果不过是早晚的时间问题。还有些研究者心情更加复杂一方面兴奋于 AI 正在加速科学发现另一方面也确实因职业身份受到冲击而感到迷茫。其中最常被提到的问题是数学家以后还有没有工作人类还能不能继续做数学数学专业还值不值得读针对前两个问题有人说社会需要数学家从来不是为了凑够每年的证明数量而是先确定我们需要多少能守住判断权的人类数学家再把证明的工作交给他们来主导这恰恰给纯数学保留了不可替代的位置。但也有人认为事情没那么乐观因为数学家所拿的薪酬包含定理的证明当证明工作不再稀缺只掌握选题与判断力的研究者或将面临生存空间持续收缩的现实。针对第三个问题六届 Kaggle 特级大师、NVIDIA 机器学习专家 Jean-François Puget 认为继续选择纯数学方向存在风险。他用自己的读博方向建议点明纯符号化的脑力工作正在被 LLM 快速吞噬想要避开被替代的风险就得往和物理实体绑定更深的研究方向走。前段时间一篇引发广泛热议的长文进一步揭示了这场数学家群体心理危机更深层的内核。这篇题为《数学的暗夜》的文章出自青年数学研究者 Kirwin Hampshire 之手。他在长文中写道真正让自己崩溃的并不是 AI 会不会抢走数学家的工作而是数学这门学科赖以存在的意义可能正在发生改变。在他看来数学最珍贵的从来不是证明本身而是人类第一次发现未知、创造新知识的过程。正是这种探索让无数数学家感受到一种近乎宗教般的神圣体验。他认为如果未来任何一个问题AI 都能瞬间给出无数种漂亮的证明那么人类仍然可以学习数学、讲授数学、评价数学却可能再也没有机会真正「发现」数学。为此他借用了作家 Jorge Luis Borges《巴别图书馆》的比喻假如世界上所有可能写出的伟大小说都已经存在而且 AI 总能第一时间挑出最好的一本作家当然仍然可以写作但创作本身的意义已经不可避免地发生了变化。Hampshire 坦言这种变化带来的不是职业焦虑而是一场精神危机。他担心人类几千年来借由数学探索未知、触碰真理的独特体验正在被一点点剥夺。文章最后他没有给出任何解决方案只留下一个问题我们究竟在做什么有人说这篇文章让他第一次真切感受到 AI 短期内所带来的恐惧。不过也有人说自己不理解这种绝望。在他看来AI 不是来抢走数学家的舞台而是把人从枯燥的形式化泥沼里拽出来重新把专注力放回最珍贵的直觉与方向判断上。Noam Brown 也在回复其他网友时直言他们的 AI 并没有解决数学难题也没有开创新的数学分支或提出有趣的新猜想。如果一个数学家是在这些问题上耕耘那暂时还是有很多事情可以做的。还有人说这是一场迟来的计算革命在其他领域早就已经发生过了其根本目标并没有变都是为了读懂宇宙的根本规律。无论最终走向如何Astra 的这十个结果已经不可逆地改变了讨论的基调。它不再是「AI 能不能做数学」的问题而是「当 AI 已经能做得相当不错时人类数学到底还在追求什么」。类似的问题或许其他学科也可以提前想想。原文链接OpenAI新模型让数学家集体破防一场关于数学未来的精神危机-36氪