菲尔兹奖得主警告人工智能可能削弱数学理解
The Decoder··作者 Matthias Bastian
关键信息
声明指出，未解决的问题是衡量理解进步的地标，而解答的价值往往在于解决过程中形成的新思想和新方法。声明还担忧仓促发布、署名不足、抄袭，以及缺少人类传承链条来检验、解释、简化并将人工智能生成的思想纳入数学知识体系。
资讯摘要
25位菲尔兹奖得主——数学领域最高荣誉的获得者——警告说，人工智能产业与数学界的目标存在严重错位。大型语言模型近期快速进步，据报道已经能够处理数学多个领域中的重大未解决问题。签署者认为，人工智能公司往往把数学题当作需要攻克的基准，而数学家则把解题视为获得概念理解和洞见的途径。未解决问题可以作为衡量研究进展的地标，而一个解答的价值有时并不在答案本身，而在于产生答案所需的新思想和新技术。
这些思想通常需要经过多年的演讲、讨论、简化、署名和纳入数学知识体系的过程，但机器高速生成的答案可能绕过这一过程。声明警告，缺乏充分说明的人工智能解答可能引发严重的署名和抄袭问题，并削弱数学知识发展所依赖的人类传承链条。声明还将这一问题与一场涉及OpenAI以及某个千禧年大奖难题部分解答传闻的争议联系起来，同时指出教育领域也已出现类似矛盾：学生越来越可以用人工智能完成作业，但考试可能仍然禁止使用人工智能。数学家们最后认为，如果社会只重视最终产出，却忽视工作本应培养的学习和推理能力，许多其他职业也可能面临同样的风险。
资讯正文
顶尖数学家担心，人工智能正在让他们的领域变得更愚蠢，并警告说，接下来轮到我们所有人
25位菲尔兹奖得主在一份联合声明中警告称，人工智能产业的目标与数学的目标“严重错位”。借助人工智能批量生产已经解出的题目，可能会削弱这门学科真正的宗旨：理解。
在这份联合声明中，25位菲尔兹奖得主——这是数学界最高荣誉的获得者——警告人工智能对其领域的影响。近几个月来，大型语言模型在数学方面的能力突飞猛进，如今已经能够破解“数学许多领域中的重大未决问题”。这正是他们担心的地方。
声明称，人工智能公司把数学问题当作需要攻克的基准，这正在伤害数学科学及其周边社群。人工智能公司的目标与数学家的目标“严重错位”。签署声明的 Terence Tao 此前已经警告过，人工智能可能引发数学领域的基础性危机。
解题不是目标，而是通往目标的道路
声明称，著名的未解问题“常常充当地标和灯塔，人们可以据此衡量自己对这片知识领域理解的进步”。当有人破解其中一个问题时，答案本身的重要性不如为得出答案而产生的新思路。随后，数学家们会花费数年时间，通过“漫长而艰苦的报告、讨论和简化过程”，对这些思路进行拆解和阐释。
人工智能可能会让这一过程被短路。签署者写道：“解题只是实现概念理解和洞察这一首要目标的工具和替代指标。”以机器的速度向这一领域倾泻答案，可能会“摧毁孕育新思想的肥沃土壤，而不是为新思想注入生命”。
人工智能生成的解答往往在“没有时间进行适当撰写、提炼新方法和新思想，也没有时间引用他人相关的既有工作”的情况下被公布。这引发了“严重的成果归属和抄袭问题”。
声明写道：“如果没有愿意负责推动这些想法发展、并将其融入数学知识体系的数学家，由人工智能构想出的想法永远无法真正焕发生命。”声明还称：“数学家之间至关重要的人类传承链条将会丢失。”
这份声明发表之际，正值两位数学家与 OpenAI 之间陷入争议。指控称，OpenAI 听闻某个千禧年大奖难题存在部分解法的传闻后，为了宣传效果，试图抢在研究人员之前解决它。在 Astra 发布会期间，OpenAI 首席研究员 Pachocki 曾表示，公司是有意没有针对数学对模型进行优化的。然而此后不久，OpenAI 显然还是训练了数学模型，似乎正是直接回应了那些传闻。
这种威胁远不止数学领域
联署者认为，这构成了对“智力工作的普遍威胁”。在许多领域，多年的训练“不仅是为了得出最终答案或产出最终成果，也是为了培养理解力，以及提出新问题和新想法的能力”。当 AI“直接产出这类工作的结果”时，这些目的便彼此脱节。
“数学界目前面临的问题，与其他科学和创意行业所面临的问题相似，也预示着全人类可能遇到的问题：随着 AI 改变工作的完成方式，我们该如何确保自己不会忘记，这些工作最初究竟要实现什么目标。”
这种差距已经在教育领域显现。作业越来越可以由 AI 完成，而考试仍然禁止使用 AI。两者之间的表现差距——以成绩和年级水平衡量——正不断扩大。
AI 可以提供帮助，但如何使用必须由人类决定
这些数学家并未呼吁禁用 AI。AI“有望促进并加速真正的数学研究与理解”。数学界将不得不适应。然而，“这些变化最终会造福这一领域，还是会产生破坏性影响，很大程度上将取决于掌控这项新技术的人类所作出的决定”。
联署者表示：“这些问题必须得到紧急处理。”他们呼吁数学界、开发这些工具的公司，以及“一个将在许多其他形式的智力工作中面对类似问题的社会”共同采取行动。
最初的 25 名联署者除 Tao 外，还包括 Pierre Deligne（1978 年菲尔兹奖得主）、Peter Scholze（2018 年）、Maryna Viazovska（2022 年）、Martin Hairer（2014 年）、Cédric Villani（2010 年）、Manjul Bhargava（2014 年），以及今年的获奖者 Yu Deng（2026 年）。
北约特种作战大学最近发布的一篇研究论文描述了一种相关现象：“认知公地悲剧”。每家公司以 AI 取代入门级岗位时，都能获得效率收益，但专业能力遭侵蚀的代价却由整个人才库共同承担。研究人员所描述的这种横跨整个行业的现象，数学家们已经在自己的领域亲眼看到它逐渐上演。
来源与参考