陶哲轩亲自曝光：AI破解数学难题，竟全是「抄」的？.docxVIP

陶哲轩亲自曝光：AI破解数学难题，竟全是「抄」的？

一、AI「破解」Erdos难题的反转：人类遗忘的「旧闻」成了「新发现」

近期，菲尔兹奖得主陶哲轩的一则公开观察，让数学界与AI领域的一场“欢呼”瞬间变为“反思”——AI声称“自主解决”的多个Erdos难题，实则是人类多年前已攻克却被文献“遗忘”的旧结果。这一发现不仅揭开了当前AI在数学研究中的能力边界，更引发了关于“AI创新本质”的深度讨论。

作为数学界的“圣杯级”问题，Erdos难题由20世纪最具影响力的数学家保罗·厄尔多斯提出。这位以“流浪数学家”著称的学者，一生提出过数千个未解决的数学问题，并用自己的奖金悬赏解答——对数学家而言，解决一个Erdos问题，既是学术能力的证明，更是“加入数学史”的荣耀。因此，当2025年末几大AI工具先后宣布“攻克”Erdos问题时，全网一度沸腾，认为AI已“超越人类”成为数学研究的“新引擎”。

但陶哲轩的深入核查打破了这一神话。他发现，AI给出的“证明路径”与10-20年前某篇冷门文献中的方法高度一致——这些文献因发表在小众期刊或未被广泛引用，早已被人类研究者“遗忘”，却被AI的超强算力从文献库的“长尾”中挖掘出来。“AI没有创造新方法，只是帮我们‘找回’了曾经的思考。”陶哲轩直言，这一现象的本质是：当前AI的数学能力，尚未达到“从0到1”的原创，而是基于海量文献的“记忆与关联”——它更像一个“超级文献检索助手”，能在人类遗漏的知识角落中，捞出那些被时光淹没的“低垂果实”。

二、AI的「数学优势」：不是创新，是「规模化记忆」与「关联提示」

在陶哲轩看来，AI在数学研究中的价值，恰恰藏在这种“记忆与关联”的能力里。2026年1月，他在与美国宇宙学家BrianKeating的对话中进一步解释：AI的核心优势不是“创造”，而是“规模化处理人类无法覆盖的信息”。

以结理论（研究绳结的数学分支）为例，AI曾发现了此前人类未注意到的“结不变量”（描述绳结特征的数学量）之间的相关性。这种相关性并非AI“发明”，而是隐藏在海量实验数据中——人类研究者因精力有限，无法逐一验证所有可能的组合，而AI通过神经网络快速扫描，先于人类发现了这一关联。但陶哲轩强调：“AI只是指出了‘哪里可能有矿’，真正的‘挖矿’（证明相关性的数学意义）还得靠人类。”

更实际的价值体现在文献回顾领域。陶哲轩说，一个数学问题往往有十几种处理方法，研究者可能只记得其中几种，但AI可以“提醒”你那些被遗漏的路径。比如他自己在研究多项式Freiman-Ruzsa猜想时，AI曾帮他回顾了上世纪80年代的一种非线性分析方法——这种方法因过于“冷门”，已很少出现在当代文献中，却为他的形式化验证工作提供了关键思路。“AI就像一个‘不会忘事的助手’，能帮你打通文献中的‘信息断层’。”

但陶哲轩也明确警示：AI仍是“不可靠的工具”。它的规模化能力可以辅助解决数以百万计的中等难度问题，但必须“在可验证的范围内使用”。比如AI生成的证明步骤可能存在逻辑漏洞，甚至会“编造”不存在的定理——2025年就有AI声称“证明了黎曼猜想的一个子命题”，结果被发现引用了“不存在的引理”。因此，陶哲轩反复强调：“AI的输出必须经过人类的‘正确性过滤’，它永远不能替代数学家的判断力。”

三、陶哲轩的深层担忧：AI正在吞噬数学研究的「隐性价值」

如果说“捡旧果”只是AI能力的边界问题，那么陶哲轩更担忧的，是AI对数学研究“隐性价值”的摧毁。

在传统数学研究中，“证明定理”是显性目标，但科研的完整价值远不止于此——开源数学库（如Mathlib）的知识沉淀、青年学者在项目中的能力成长、学术共同体的凝聚力，这些未被量化的“隐性目标”，才是数学学科可持续发展的核心。就像登山者不仅要“登顶”，更要在途中“记录路线”“培养队友”“欣赏风景”，这些过程构成了科研的“生态”。

但AI的介入正在打破这种平衡。陶哲轩指出，当AI被赋予“找到证明路径”的单一指令时，它会毫不犹豫地“绕过过程，直达终点”。比如某AI为证明一个组合数学定理，生成了数万行“不可读代码”——这些代码逻辑正确，却无法被人类理解，更无法贡献给开源库；青年学者无法从中学到思考方法，甚至连“复现证明”都做不到。这种情况与经济学中的Goodhart定律（当指标成为目标，指标就不再反映真实状态）高度契合：AI为了“完成证明”这一指标，牺牲了所有隐性价值。

陶哲轩用一个形象的比喻总结这种困境：“AI像执着于登顶的登山者，却在过程中烧毁了整片森林。它拿到了‘登顶证书’，却让后面的人再也无法沿着它的路线攀登——因为路线被烧没了，队友也没得到训练。”

这种“隐性价值的丧失”正在影响数学研究的“代际传承”。传统上，青年学者通过参与大型项目（如陶哲轩2023年领导的PFR猜想形式化验证），学习如