Terence Tao：AI 正在让数学变荒凉
Terence Tao Responds to the OpenAI Math Drop
Terence Tao 在 Mastodon 上发文回应 OpenAI 数学能力下降的争议，他提出了 Math 1.0 与 Math 2.0 的深刻对比。在传统的 Math 1.0 时代，解决难题会引发广泛的讨论、合作与教学，推动整个领域进步。然而，现在的 AI 工具往往让问题被“一次性收割”，解题者缺乏对领域的深入理解，导致后续活动匮乏，甚至因担心被抢先而隐瞒研究方向。Tao 警告这种不可逆的“污染”会让数学领域变得贫瘠，呼吁转向 Math 2.0，重新重视解释、社区建设和新方向的开拓，而非单纯追求解题速度。
现在，开放问题的解决方案正以不可持续的方式被大规模收割，导致整个数学领域变得比传统 Math 1.0 时代解决这些问题时还要贫瘠。
HN 评论区
536- loveparade
我对此要怀疑得多。我不是数学家，但从使用 LLM 的经验来看，它们擅长什么、不擅长什么已经呈现出非常清晰的模式。它们极其擅长整合海量信息，而目前 AI 在数学领域取得的成果似乎正是如此。数学领域分支众多，彼此关联，论文和冷门结果浩如烟海，没有任何人类能够读完、理解、关联并在大脑中组织这些信息。几乎所有这些成果都是人类创造的。整合这些信息并基于已有发现创造新成果，确实具有真实价值。
但还有另一种类型的发现，需要退一步，从不同角度审视问题。如果你是工程师，LLM 曾多少次（在你没有明确要求的情况下）告诉你：等等，你在这里做的其实没什么意义，存在一种更优雅的抽象，没人想到过，我们把那些代码全删了，让我们从第一性原理出发，用不同的方式解决这个问题？几乎从来没有。但在科学领域，许多重大发现恰恰源于这种第一性原理思维：质疑现有的工作和方法，挑战既成事实，而不是简单地整合所有现有数据——那很可能只是一个局部最优解。
- shubhamjain
这是一个非常平衡的视角，他提出的担忧也很合理。他承认 AI 将改变数学，但仅仅把证明扔给数学界，指望别人去干验证、细化和扩展这些苦力活，绝非推动学科发展的有效方式。
似乎大家更热衷于达成某些任意设定的基准（比如“我们证明了 X 个未解难题”），而非真正为数学做出贡献。但除此之外还能指望什么呢？这已经变成一场疯狂的竞赛，背后有着太多的金钱驱动。人们投入了太多精力去证明那条指数增长曲线依然有效。
- j-pb
证明的作者会被邀请做许多演讲，并与该领域的其他专家会面。还会举办研讨会来讨论该证明以及其他最新进展。
而问题正在于：AI 提示词工程师正在自主解决问题，一旦他们的初始目标被“解决”，他们对该领域的整体发展便毫无兴趣，而且他们往往无法充分理解 AI 的输出，以至于无法回答关于该结果的提问。
这里的价值似乎在于证明作者获得的洞察，以及他们走过的路径，或许更重要的是他们未曾走过的路径。
只邀请人类提示词工程师来谈论这篇论文，就像只邀请系主任或实际作者的经理一样。
Tao 所感受到的缺失正是这种洞察，而只有通过与开发原始证明的那群智能体（及其所有上下文）交谈，才能获得这种洞察。
所以在我看来，我们需要的不是 Math 2.0，而是 Authorship 2.0。我想“遇见”生成这些证明的上下文。幸运的是，这些证明并非由像 SAT 求解器那样无脸的系统生成，你实际上可以与它对话，但我不确定我们能否放下傲慢，给予这些证明真正的作者应有的认可。
- bsenftner
“数学”的未来不仅仅是解决问题，更在于传达解决了什么，以及为什么这个解决过程很重要。“数学”作为一个学科，一直以来都只是完成了一半的工作，他们放弃了自我解释，仿佛那是一种有失身份的事。好吧，现在在