数学家发出警告：AI 正在迅速取得进展

AI 在数学中的作用范围

• 线程中的一些数学家认为这种“警告”被夸大了；他们把 AI 视为一种可选工具，至少目前如此。
• 另一些人认为，如果 AI 成为强大的生产力倍增器，不使用它将会限制职业发展（论文、招聘、资助）。
• 关于学界是否正在推动使用 AI 存在争论：有人说目前还没有压力；另一些人则看到通过“发文否则出局”和算力获取所形成的长期结构性压力。

数学的用途是什么

• 一派强调，数学是一台用来产出正确答案和实用工具的机器；资助之所以合理，是因为它对社会有回报，而不是因为它是“给书呆子的就业计划”。
• 另一派强调，关键价值在于理解、提出好问题，以及建立概念框架，而不只是看真值。
• “纯”好奇驱动的工作与应用型、商业相关的数学之间持续存在张力；有人认为纯数学在文化上类似艺术，也有人反对这种看法。

当前 AI 的能力与局限

• 参与者指出，AI 最近在非平凡问题上给出证明，这说明它确实有能力，而不只是“垃圾内容”。
• 也有人提醒，许多结果看起来更像是对深度文献的检索与重组，而不是“新理论”。
• 担忧包括：AI 可能生成海量技术上正确、但晦涩或难以理解的数学，甚至可能超出人类理解或实用价值。
• 反方观点是：当前的 LLM 擅长的是训练数据附近的内容，而不是彻底新颖的抽象；它们仍然存在明显错误的“长尾”。

对职业、训练与获取的影响

• 人们普遍担忧“初级问题”——过去用来训练博士生的低垂果实——会被机器在数小时内解决，从而削弱学徒式路径。
• 有人认为这与其他领域类似：AI 消除了入门级工作，也就切断了通往资深专长的阶梯。
• 对算力和专有模型的获取还可能进一步拉大研究团队与国家之间的分层。

质量、同行评审与验证

• 人们担心 AI 生成的论文会淹没期刊，而本就得不到足够回报的同行评审将被压垮。
• 在数学中，形式化证明系统可以机械地验证正确性，但大多数工作尚未完全形式化；重要性和语境仍然需要人的判断。

教育与公众理解

• 许多人将 AI 视为强大的导师，能够让高级数学更易接近，尤其适合那些缺乏强本地指导的人。
• 另一些人警告，轻易得到答案可能会削弱建立深层直觉所需的艰苦工作；有人提出关于人类推理“用进废退”的担忧。

伦理、经济与文化张力

• 一些参与者担心，推动 AI 发展的商业和军事激励，与传统学术价值观相冲突。
• 另一些人回应说，数学长期以来就受到商业实用性的影响，人类数学家必须适应，而不是把这个领域当作纯粹由人类主导的领域。