观点

AI 证明数学猜想火了,数学家为什么炸锅?

Science 报道的 AI 数学突破在 HN 拿下 193 分、199 条评论,数学社区却分成两派——争议不是 AI 强不强,是「暴力搜索算不算数学」。

字号

Science 报道的 AI 数学突破在 HN 拿下 193 分、199 条评论,数学社区却分成两派——争议不是 AI 强不强,是「暴力搜索算不算数学」。

发生了什么

Science 杂志最近发了篇专题报道,标题叫《How An AI math breakthrough ignited a controversy》。一个 AI 系统在经典数学难题上拿下了结果,这事在 Hacker News 首页炸开——193 分、199 条评论。

原报道:How An AI math breakthrough ignited a controversy

HN 讨论:news.ycombinator.com/item?id=49624163

工程圈觉得这事挺正常——AI 又一次做到了人类擅长的事。但数学社区直接分成两派,推特 / Mastodon / arXiv 评论区吵了快一周。

数学细节我就不展开了,网上分析够多。真正有意思的是后面的争议。

数学家到底在吵什么

不是吵 AI 解没解出问题。吵的是方法论。

那个 AI 系统本质上是搜索 + 启发式拼出来的。在巨大的解空间里暴力试探,加上一些聪明的剪枝策略,最后撞上一个看起来对的答案。

人类数学家怎么干活的?坐下来,盯着公式看,某天早上灵感来了,突然想明白「哦原来是这样」。这个过程叫洞察(insight)。

那么问题来了:
- 一个靠暴力搜索得到的答案,算不算「理解」了数学?
- 一个没有「灵感」的解法,有没有数学价值?
- 如果只是撞答案,那计算机从 1950 年代就能做了,这次的「突破」到底突破在哪?

这是范式冲突,不是技术对错。支持的人说:结果对就行。反对的人说:那不叫数学。

为什么这事比 AlphaGo 时代更难收场

围棋是黑白分明的事——赢就是赢,输就是输。AlphaGo 下赢了李世石,全世界除了柯洁嘴硬两句,基本就认了。

数学不一样。

数学是「对就是对、错就是错」的学科,但「对」和「有价值」之间隔着一道鸿沟。

一个 AI 解出一道经典难题,数学家可以接受。但如果这个解法是 AI 用 10 万次试错撞出来的,这个解法有没有「美感」?能不能让人类学到新东西?能不能推广到其他问题?

这才是争议的核心。

而且 AI 在工程领域(写代码、写文案)出错,大家容忍度挺高——bug 改一改,prompt 调一调。但数学是「要么对、要么错」的二元世界,半对半错最难评价。一个 AI 给出的「证明」如果第 3 步有问题,但结论恰好对——这算什么?

AlphaGo 的争议可以归结为「机器能不能赢人类」,这个问题被技术事实直接回答了。数学争议没有这种「赢」的标准,它会一直吵下去。

反对派的真实顾虑

他们担心的不是 AI 抢饭碗。

数学家不愁工作——能搞前沿研究的数学家全球也就几千人,根本不存在「失业问题」。

他们真正担心的是学术评价体系:
- 如果一篇论文用了 AI,AI 算不算「作者贡献」?
- 审稿人怎么验证 AI 给的「证明」?没人能看懂搜索过程,只看结论能审吗?
- 一个学生用 AI 解开了一个猜想,这算他的学术成就吗?
- 期刊接收 AI 出的「证明」,会不会让「人类数学家做的数学」贬值?

这些制度问题目前都没答案。

更敏感的是品味(taste)问题。数学界有个行话叫「好品味」——一个证明优雅不优雅、能不能揭示深层结构、能不能启发后人,这都是主观判断。AI 的暴力搜索解法,数学家普遍觉得「没品味」。但「品味」怎么写进审稿标准?

写不进去。

支持派为什么觉得吵得没意义

实用派数学家(主要是做应用、计算数学、组合数学的那批)觉得这吵得莫名其妙。

他们的逻辑很简单:

工具就是工具。

他们举的例子是计算器。1970 年代计算器普及的时候,数学教育界也炸过——「学生用计算器还算数学家吗?」「口算能力会不会退化?」「数学的思维训练还有意义吗?」

吵了 20 年。结果是什么?数学没死,分工变了——心算成了基本技能,计算器成了生产力工具,抽象思维反而被推到了更重要的位置。

这次的 AI 工具更强,但本质一样——它是个更猛的「计算器」。

应用派数学家说:你管它有没有洞察,能解出问题就行。后面我们慢慢看它是怎么解的,搞不好能提炼出新方法。历史上很多数学突破,一开始就是「笨办法撞出来的」。

编辑思考

这事真正值得看的不是 AI 数学水平到了哪里,而是「数学品味」这种纯主观标准第一次被机器逼到墙角。

之前 AI 进工程领域(代码、写作),评价标准是客观的——能跑就是能跑,字数达标就是达标。数学不一样,它把「品味」「美感」「优雅」这些东西正式推到了台面上——因为这些主观标准第一次面临「要不要承认机器产出」的拷问。

我的预测是:这次争议不会收敛成单一立场,会变成两个平行的评价体系。
- 一个是「结果导向」——能解出问题的数学就是数学,AI 算合作者,按工分计算贡献。
- 一个是「过程导向」——必须有「人类洞察」参与的数学才算数学,AI 只配当脚手架。

两边会各自发展出自己的期刊、会议、引用体系。可能 10 年后会出现「AI 数学」和「人类数学」两个完全不同的子学科。

这次具体和过去哪些事不同?和 AlphaGo 不同——那是技术事实问题,被算力直接终结。和计算器不同——计算器没取代任何人类能力,AI 在替代「思维过程」本身。

不确定性方面,我没法判断这个 AI 系统到底有多「通用」——它能解一个猜想,不代表能解一类问题。如果它只能撞单个特殊问题,争议会很快降温;如果它开始系统性地出证明,那才是真正的范式转折点。

来源: https://www.science.org/content/article/how-ai-math-breakthrough-ignited-controversy