2025年9月，德国海德堡，一个阳光不错的午后。一群二三十岁的年轻数学家坐在会议厅里，听着台上的演讲。演讲者正在描绘一个令人不安的未来：超级AI数学家将从提出猜想到完成证明，全程不需要人类参与。伦敦数学科学研究所的杨辉（Yang-Hui He）给这个未来起了个名字——人类数学家将成为”神谕的祭司”。神谕给出答案，祭司负责解读和传达，但祭司自己并不真正理解神谕是怎么得出那个答案的。
南非数学家杰西卡·兰德尔回忆那个瞬间：“每个人都僵住了。就像一颗炸弹砸向我们，我们突然意识到AI确实有可能取代我们。“澳大利亚迪肯大学的学生特里尔·怀特坐在大厅后排，脑子里翻来覆去只有一个念头：“人们还能为数学贡献什么？数学会不会变成一种没有人能理解的东西？”
这些恐惧不是空穴来风。
先看一张成绩单
过去两年，AI在数学领域的进展速度让很多人措手不及。
2024年夏天，Google DeepMind和OpenAI的AI系统在国际数学奥林匹克竞赛中达到了金牌水平。这项比赛的六道题以极度困难著称——不考你记住了多少公式，考的是你在完全陌生的数学地形中找到一条没人走过的路径。2025年初，DeepMind的实验系统Aletheia更进一步，自主产出了博士级的研究成果。更震动学界的是，OpenAI的一个新系统推翻了一个80年来无人撼动的组合几何猜想——顶尖数学家称之为AI在数学领域的里程碑。
但真正让数学家们坐不住的，不是AI能”解题”这件事本身。解题能力只是水面上的冰山。
水面下的变化：机器学会了自己”写证明”
要理解这里面的门道，得先搞明白一件事：在数学里，“找到答案”和”写出证明”是两回事。
举个通俗的例子。你打开地图App，输入”从天安门到颐和园怎么走最快”，App秒回”走4号线转西郊线，43分钟”。这是一种答案。但”为什么这条路是最快的”——涉及路网图论、实时交通数据、换乘时间成本——是一套完整的推理链。在数学里，这个”为什么”就是证明。一个高中生可能蒙对压轴题的答案，但数学界不会因此给你发奖。你需要拿出一份严谨的论证，每一步都经得起挑剔的审视。
五十年前，计算机帮人类证明了”四色定理”——任何地图只需四种颜色就能让相邻区域颜色不同。当时的做法是：穷举检查1936种情况，计算机花了一千多小时跑完。数学家们已经感到不安——这个证明太长了，没有人类能逐行验证它，你只能选择相信计算机的枚举没有出错。
但至少在那个时代，提出问题、构思路径、设计验证策略、最终判断证明是否合格的，仍然是人。计算机只是执行了人类指定的繁重计算。
现在，AI正在移除”人类构思路径”这个环节。
关键的变化来自AI与”证明助手”的结合。所谓证明助手，可以理解为一套专门用来检查数学推理有没有逻辑漏洞的程序——它像一台显微镜，逐行扫描你的论证，任何一个跳跃或缝隙都逃不过它的眼睛。这类工具已经存在十多年，但有一个巨大的瓶颈：数学家必须手工把自己的证明翻译成机器能读懂的代码格式，这个过程叫”形式化”，极度枯燥且耗时。一篇10页的论文，形式化可能需要一个人干半年。
AI打破了这个瓶颈。现在的大语言模型能自动把人类语言写的证明，翻译成证明助手可以验证的代码。今年2月，AI公司Math, Inc.的推理系统Gauss展示了一次令人瞠目的操作：它用两周时间自动形式化了”24维球体堆积”问题的证明。这个问题的8维版本曾为玛丽娜·维亚佐夫斯卡赢得菲尔兹奖——数学界的最高荣誉。人类数学家协助做了8维部分，而Gauss独立啃下了更复杂的24维情形。
到这里为止，听起来好像是个好消息：AI帮数学家省去了大量体力活。但真正的追问是从这里开始的。
当一个证明再也没有人看得懂
如果AI不仅能帮你”翻译”证明，还能自己”写出”证明呢？更进一步——如果AI写出的那20万行代码证明，复杂到没有一个人类能够理解，它还算数学吗？
这不是一个理论问题。已经有人在担心这件事会真实发生。一位Hacker News上的评论者用一个比喻抓住了这个矛盾：人类数学家的知识体系像一座精心维护的图书馆，有清晰的分类、索引和引用路径，后来者可以顺着前人的台阶往上走。但AI自动生成的证明是”一份二十万行的、未经审计的、随意生成的代码块”。谁愿意把这种东西塞进人类知识的主干图书馆？后人怎么引用它、怎么在它的基础上继续前进？
普林斯顿大学的菲尔兹奖得主阿克沙伊·文卡特什的追问更根本。他认为数学不光是得出正确答案。“有时候，我们使用数字，与其说是在描述本质上具有数值性的事物，不如说是因为我们都能对数字的含义达成一致。“他说，“数学是一种让我们达成共识的方式。”
这话值得停下来想一想。翻开教科书，任何一条定理的证明都建立在前人的工作之上，也随时准备接受其他数学家的审查和挑战。共识——“我们都同意这个论证是成立的”——是数学知识大厦的承重墙。如果只有一个AI系统能”理解”一个证明，人类集体无法验证它，那这个证明在什么意义上”成立”？它更像一则神谕——你知道它是真的，但你不知道为什么。
渥太华大学的数学家玛雅·弗雷泽从另一个角度回应了这个问题。她从数学中获得的快乐来自于一种独特的人类体验：从模糊的直觉开始——隐隐约约觉得某件事应该是真的——然后一点一点把它打磨成可以用严格语言表达的证明。沟通和分享这些深层思考，是”人类精神的某种美好之处”。在她看来，即使AI能证明一条定理，“寻找一个优雅的、美丽的、人类能理解的证明，仍然是一项有价值的事业”。
三种未来在打架
面对AI的冲击，数学界大致分成了三个阵营。笔者试着把三方论据都摊开，不替读者选边。
第一派：要答案，不在乎怎么来的。
这一派的逻辑很朴素：数学的终极目标是知道什么是对的。如果AI能解决千禧年大奖难题中悬赏百万美元的那六个问题，用什么方式都行。卡内基梅隆大学的杰里米·阿维加德半开玩笑地说：“不惜一切代价，对吧？“在这些人看来，AI就是超级计算器——算得更快、更远、更深，但本质上还是工具。
第二派：数学的核心是人的理解。
这一派坚持数学的本质是人对自己所做的事情有理解。他们的担忧指向另一个方向——不是AI太强，恰恰相反。一个担忧关乎公平：传统上，做数学需要的不多——直觉、训练、纸和笔。如果这个缓慢的深思过程不再被社会看重，数学可能变成只有能负担私有AI模型的大机构才玩得起的精英游戏。
更棘手的是代际影响。文卡特什坦承，有时候他花几年时间思考一个问题，慢慢挣扎着理解它——“如果你的计算机能替你完成其中大部分工作，你还有动力花那么长时间吗？“这个担忧延伸到课堂：学生用AI直接跳到答案很方便，但每一次跳过挣扎，他们就错过了一次建立直觉基础的机会。有人担忧下一代数学家可能患上某种”智力萎缩”——被训练他们的AI划定的框框限制住，跳不出新的思路。
第三派：人机协作的”大数学”。
这一派的代表人物是陶哲轩，10岁参加数学奥林匹克，如今是地球上最受尊敬的数学家之一。他不排斥AI，也不害怕它。他提出了一个叫”大数学”的愿景：复杂问题被切分成小块，人类负责创造性的那部分，AI完成大量技术性的繁重工作。
陶哲轩已经在实践这个想法。他在网上与几十位合作者一起研究问题，其中一些人使用AI工具。他说了一句耐人寻味的话：“一百年前，几乎每篇数学论文都是单人作者。但现在，我和从未见过面的人合作——也许将来，我甚至不知道合作者是AI还是真人。”
这个愿景落地的关键在于形式化验证——当证明被翻译成代码并被机器逐行检查后，信任不再建立在人际声望之上。一个匿名研究者甚至业余爱好者的想法，只要通过了形式化验证，就可以被认真对待。
那个AI还替不了的问题
写到这里，笔者想回到海德堡那个会议厅。
那种不安不光是关于饭碗。AI像一面镜子，逼着数学家去面对一些平时不会停下来想的问题：数学到底是什么？为什么我把生命献给了它？当机器不仅能计算、还能”理解”和”创造”时，人类在数学中不可替代的那部分究竟是什么？
这些问题目前没有答案。但有意思的是，AI的出现反而让它们变得比以往任何时候都紧迫。当数学不再只是一场关于答案的竞赛，它就变成了一场关于问题本身的追问。
而这个问题——数学对人类到底意味着什么——AI还没法替我们回答。
本文的素材来自IEEE Spectrum的长篇报道《What it Means to Be a Mathematician When AI Does the Math》（作者Benjamin Skuse）及社区公开讨论。如果你对这个话题有更深入的一手经验，欢迎指出文中的不足。