上个月刚获菲尔兹奖的 Jacob Tsimerman 宣布将加入 OpenAI 从事 AI 安全相关研究。8 月初，他与 OpenAI 研究科学家 Sébastien Bubeck 在旧金山召集了约 40 位数学家召开闭门峰会，其中一场报告以“数学可能终结”为题，引发强烈讨论。

多伦多大学的 Daniel Litt 在会上警告，存在一种极端情景：高质量数学研究逐步消失，人类的数学专长被取代。尽管他认为这种结局不太可能，但呼吁数学界必须主动应对。麻省理工的 Drew Sutherland 则更直白地比喻，数学家可能是矿井里的金丝雀，首当其冲受影响。

数学成为 AI 的试验场并非偶然：它被视为衡量高阶智力活动的代表。一段时间以来，AI 在数学领域的表现出现密集突破。年中，一款尚未公开的 OpenAI 模型给出了推翻单位距离猜想的结果，使用了代数数论中已知但难以操作的技巧，等同于跨子领域调用工具。许多数学家将其视为 AI 在数学上的首次重大进展，Tsimerman 也对该结果给予高度评价。随后 OpenAI 又公布了多项由 AI 生成的数学与计算机科学新发现，覆盖一些通常需要多年摸索的子领域。

Anthropic 的研究者也有重要动作：一位员工借助内部模型构造出长期被相信存在但未被明确构造的高维几何对象，这一成果以极不寻常的形式公开，引发关注。类似事件频繁出现，AI 生成的研究正在绕过传统的学术流程：研讨会、同行预审、预印本与期刊发表这样的管线受到了冲击。

这种快速传播也带来了质疑与混乱。例如有人向模型反复催促、推动其寻找反例并在得到结果后随手发布社交媒体，形成高曝光但缺乏系统校验的信息流。学界有人质疑，热闹过后谁来梳理这些成果、验证其正确性、厘清方法细节？

更激进的尝试也在进行：有团队让模型“认真”攻关与黎曼猜想相关的问题，得到了一些新进展或相关记录，但这些成果同样需要严格检验。面对这一局面，数学界出现明显分裂：一方面，《莱顿宣言》之类的公开信聚集了数千名数学家，呼吁对 AI 工具负责任地使用，保证成果经过验证并规范引用；另一方面，也有学者主张彻底抵制 AI 和相关公司的介入，以保全人类在数学研究中的位置。

参与峰会和签署倡议的学者表达了对“理解”仍是数学核心的坚持。西北大学的 Bryna Kra 指出，数学不仅是证明结论，关键在于理解；没有被人理解的证明不会真正成为学术文献的一部分。哈佛的 Melanie Matchett Wood 在将 OpenAI 的单位距离证明整理成人类可读版本时发现，顶级模型常有的毛病是对简单部分长篇累牍、对关键难点轻描淡写，未能识别并清晰阐述论证中的真正难点。德国数学家 Andreas Thom 则对这些问题作了更细致的区分和分析。OpenAI 公布的若干新成果中，亦包括一项与“非 sofic 群”构造相关的工作，这与 Thom 与合作者在 2016 年的研究有联系。

总体来看，AI 在数学领域的快速介入正在重塑研究惯例和学术生态。数学家们正在争论应对策略：有的强调严格验证与解释的必要，有的呼吁抵制科技公司主导的研究方式。无论立场如何，广泛共识是——面对 AI 带来的变革，数学界需要迅速而谨慎地采取行动。