新京报记者 冯琪 杨菲菲 校对 吴兴发
AI对数学界的冲击正在加速蔓延。
9月12日 ，据多家媒体报道 ，邓煜 、陶哲轩等25位数学家 、菲尔兹奖得主联合发布了一份名为《人工智能在数学中的严重错位（A Severe Misalignment of AI in Mathematics）》的公开声明 。声明称，大语言模型的数学能力快速提升 ，AI公司正在以解决数学问题作为其能力基准 ，与数学界追求数学研究要理解、提出新问题和培养人才的核心目标严重错位，可能损害数学研究生态，尤其影响学生和早期职业数学家 。
这并非数学领域专家学者首次就AI对数学研究带来的影响问题发声。今年6月2日 ，由多位世界 知名数学学者联合发布的《人工智能与数学莱顿宣言》公布 ，其中也明确提到人工智能的最新发展给数学研究带来了一定的威胁，甚至会危及数学学科的未来 。
此外 ，丘成桐 、邓煜等多位数学家此前也曾就相关问题发声 。“一个题目 ，不单是答案重要，找答案的过程可能更重要——这个过程里能看到的东西 ，跟答案本身一样重要。 ”丘成桐此前在接受新京报记者采访时称。
陶哲轩 、邓煜等数学家共同发声
记者了解到 ，这场声明的“导火索”是本月初OpenAI的一次发布 。据媒体报道，9月8日 ，OpenAI声明称 ，其尚未公开的模型仅用88小时就解决了纳维-斯托克斯方程问题，存在性与光滑性问题的证明 ，并同步公开166页论文和Lean（计算机定理证明器）验证代码 。据悉 ，这是克雷数学研究所2000年选出的七大“千禧年大奖难题 ”之一。
随后，25位数学家迅速公开声明 。声明指出，在过去几个月里 ，大语言模型（LLM）的数学能力急剧提升 ，以至于它们能够解决许多数学领域中的重大未决问题 。然而，AI公司把解决数学问题作为能力基准来推动 ，这对数学科学和数学界是有害的。AI公司的目标与数学界的目标严重错位 。
声明提到 ，一个知名问题常常充当数学世界里的路标和灯塔，解决其中某个问题 ，一直是新洞见和方法的明确标志；随后 ，数学界会通过漫长而艰苦的讲座、讨论和简化过程来研究它们，有些数学思想甚至会走得更远 ，在几十年或几百年后成为被广泛理解和使用的工具 。声明进一步指出 ，以越来越快的速度大规模生产答案，可能在摧毁孕育思想的土壤。
记者注意到 ，该声明的发起者为25位数学家 ，他们均为历年的菲尔兹奖获得者 。其中之一是2006年菲尔兹奖得主、华裔数学家代表陶哲轩 。
25位数学家中还包括2026年菲尔兹奖得主 、中国籍数学家邓煜。在今年8月举行的2026世界 基础科学大会“数学之夜 ”专场沙龙上，邓煜曾指出，AI既有显著长处 ，也存在明显局限 。AI在数学研究中面临的挑战 ，与人类数学家所遇到的困难并非同一类：AI擅长检索已有文献和补全细节推导，而这部分工作对数学家而言往往烦琐耗时；人类所具备的原创性思维却是当前AI所无法替代的 。
“下面 如何使用 、如何监管AI非常重要”
这并非数学领域专家学者首次就AI对数学研究带来的影响问题发声。
今年6月2日 ，由多位世界 知名数学学者联合发布的《人工智能与数学莱顿宣言（Leiden Declaration on Artificial Intelligence and Mathematics）》公布 ，其中也明确提到人工智能的最新发展给数学研究带来了一定的威胁，尤其对学生和处于职业生涯早期的数学家尤其影响严重 ，甚至会危及数学学科的未来。
事实上 ，对于人工智能在数学研究领域的应用，多位数学家曾表达不同观点 。
今年8月的世界 基础科学大会上 ，首位华人菲尔兹奖得主、清华大学讲席教授丘成桐谈及相关问题表示 ，面对席卷各领域的人工智能浪潮，AI已在数学推演 、定理证明等方面展现出强大效能；但丘成桐同时强调 ，AI仅为辅助科研的高效工具 ，无法替代人类独有的原创思考 、瞬时迸发的灵感以及对科学真理与自然之美的永恒求索 。
日前丘成桐在接受新京报记者采访时指出，AI并不擅长提问，其能做的是解答部分提问 ，“但对我来讲 ，做学问最重要的是怎么问问题。”其表示，做学问 ，思考和创造力始终是核心 ，作为学者还是要花时间思考，先把重要的问题找出来 。“一个题目 ，不单是答案重要 ，找答案的过程可能更重要——这个过程里能看到的东西，跟答案本身一样重要 。 ”
ICCM数学奖首届金奖得主、普林斯顿大学教授张寿武也曾表达类似的观点。其在2026世界 基础科学大会上曾谈及自己对AI发展与数学研究的看法 。“我去年认为AI跟人相差很远 ，现在发现其实AI很聪明 ，但是它们没有大方向，告诉它怎么做的话 ，它会比我快很多 。 ”现场 ，张寿武幽默而坦诚地回应媒体称，“我是不敢跟AI交流的，跟它交流之后它肯定比我跑得还快 ，所以我自己琢磨 ，留点‘自留地’，交给它我就控制不了了 ，而且我也不知道它会不会告诉别人 ，这个非常重要。”
张寿武解释道，在数学领域已经发现AI可以解决一些比较简单的问题 ，而且比人类的思考速度要快 。但是AI在深度思考这方面 ，到近来 为止跟人类还相差很远，不过这并不等于在未来几年内它不能赶上来 。他提到 ，下面 如何使用 、如何监管AI非常重要。
记者注意到 ，也有部分数学学者开始研究AI如何更好服务数学研究 。
2026年5月，北大AI4MATH团队牵头研发的AI系统Rethlas-Archon ，在全自动 、无人类参与的条件下 ，通过构造反例否定了交换代数领域悬置十余年的Anderson猜想，并完成近两万行Lean 4形式化验证（即让计算机逐行检查证明的每一步） 。Nature杂志2026年5月21日的专题报道“AI is transforming mathematics． Will it conquer the field？ ”提到了本次工作，将其作为当前AI与数学深度融合的前沿案例加以介绍。
团队成员 、北京大学数学科学学院院长刘若川对AI辅助数学研究的前景表示乐观 ，并且认为进展可能比大多数人预期的更快 ，但他也有担忧。AI提供的是具体的实践知识（know-how），如果人连这一层知识都依赖机器 ，能力会分化：少部分人底层能力扎实 ，用AI放大后会很强；但如果基本功没打好就依赖AI，差距反而会拉大 。
从学科发展和人才培养角度而言 ，刘若川认为除了AI4MATH（AI辅助数学研究） ，同样重要的是MATH4AI（数学反哺人工智能研究），“数学是人工智能的逻辑基石 ，除了要持续投入数学形式化与AI辅助数学研究 ，加快构建数学研究新范式外，还要同时考虑反哺大模型数学推理能力提升 。 ”其表示 ，“未来需要的是复合型人才 ，数学功底扎实，同时懂AI 、有跨学科的视野。数学训练给人的抽象和推理能力的价值在AI时代不是在减弱，而是在增强 。但只有这些不够 ，新一代数学人还需要学会与AI协作 ，学会跨越学科的边界 。 ”
