为什么我没有签署菲尔兹奖得主的联名信
围绕 AI 被用于解决高知名度数学问题的担忧，暴露出数学界内部在重视人类理解与重视快速解题之间的分歧。评论者争论，企业 AI 以“抢先发表”的方式处理开放问题，是否会掏空支撑人类数学的社会结构、激励机制和培养路径；或者数学家是否应当转而适应，并把重点放在解释、理论建构以及为 AI 指明方向上。讨论还触及更广泛的技术冲击、专家劳动的未来，以及当机器能够大规模生成证明时，社会是否仍会资助人类探究。
人工智能在数学中的作用
- 许多人把 AI 证明看作通往山顶的“直升机”：它们也许能解决问题，但有可能绕过培养概念理解、品味和新理论的人类历程。
- 另一些人认为，一旦结果已知，人类仍然可以通过消化并重新推导证明来“爬山”，而 AI 只是提高了可能性的下限和上限。
- 一个反复出现的担忧是：即时的“真/假”答案会掏空那种艰难、充满阻力的工作，而正是这种工作产生了新的抽象和未来的工具。
菲尔兹奖得主的联名信与这篇博客文章
- 评论者在争论，这封信究竟是反 AI，还是反对某些特定的 AI 实践（企业基准竞赛、抢先发表、追逐声望）。
- 有些人认为，博客不愿签署主要是过分在意形象以及虚假的“支持 AI / 反 AI”二元划分；另一些人则同意，批评“太多解法、太快”是徒劳的，适应才是唯一选择。
- 这里存在一种张力：究竟是要求 AI 公司改变行为，还是期待数学界自己重组规范与激励机制。
制度与激励方面的担忧
- 担心 AI 结果会：
- 破坏现有的声望结构（把开放问题当作经整理的公共资源）。
- 降低资助和职业前景（“如果 AI 能做，为什么还要付钱给人类？”）。
- 让学生和政策制定者得出人类数学家已经过时的结论。
- 反方观点：数学本来就资金极少；真正的问题是，如何证明为“理解”付费是合理的，而不只是为新定理付费。
人类理解 vs. 解题能力
- 讨论再次回到两者的分裂：
- 重视理解作为工具的问题解决者。
- 将理解视为首要目标的概念主义者。
- 有人说，未来的数学会从证明转向：
- 发明概念和猜想。
- 消化、形式化并解释 AI 生成的工作。
- 另一些人则回应，恰恰这些活动也有可能被自动化或贬值。
更广泛的社会与政治背景
- 一些评论把话题扩展到所有领域中的 AI：可能造成大规模替代、训练阶梯被侵蚀，以及权力集中到资金雄厚的实验室。
- 对未来的想象分化为：
- 后稀缺时代的“万物皆为爱好/游戏”的情景。
- 更阴暗的技术封建主义未来，或对不透明机器知识的依赖。
- 有人提议对 AI 带来的暴利征税，再投资于人类科学与教育；也有人怀疑协调能够成功。