负责任地发布 AI 生成的数学成果

争议的范围

• 核心诉求：停止使用 专有 前沿模型来攻克重大开放问题，转而遵循标准数学规范（同行评审、阐释性工作、适当署名、社区主导的理解）。
• 许多评论者认为这要么是：
  • 为共享的科学事业设定合理规范；要么是
  • 试图维护地位、控制权，或对数学的“垄断”的保护主义做法。

把关 vs 负责任使用

• “反对”一方：
  • 将这一请求视为对“思想”或“数学如空气”的把关。
  • 认为数学像数字或文本一样是抽象的；限制其使用是荒谬的。
  • 把这些限制比作行会、执照制度和历史上对知识的控制。
• “支持”一方：
  • 强调专有模型和算力并不是“空气”；其访问受到严格控制。
  • 将这封信描述为让实验室与现有学术标准保持一致，而不是禁止 AI。
  • 强调未经审查、由公关驱动的发布会造成混乱（例如，被误报的突破）。

专有模型、集中化与访问

• 担忧：内部模型解决著名问题会造成双层体系，让少数实验室抢先于整个领域，并实际上控制数学的部分内容。
• 有些人认为这类似于垄断行为和危险的权力集中。
• 其他人则回应说：
  • 利用技术优势进行竞争是正常的。
  • 开源模型很可能会缩小差距。
  • 如果真的出现垄断，反垄断法才是正确工具，而不是社区联名信。

人类数学家的角色

• 一派认为 AI 将会/应当取代大量人类工作；数学可能会更像一种爱好（类比国际象棋/围棋）。
• 另一派坚持认为：
  • 主要价值在于人类的理解、定义、问题选择和概念框架。
  • AI 看起来只是在“人类工作的凸包”内重新组合已有工具；尚未出现激进的新概念。
  • 过度依赖 AI 可能削弱培养管线和长期的人类专业能力。

证明质量与理解

• 普遍同意的是：
  • AI 输出往往是冗长、杂乱的证明加上 Lean 工件。
  • 这些内容需要人类可读的阐述、标准术语和清晰的署名。
• 分歧在于由谁承担成本：
  • 有些人说，花费数百万算力的实验室也应该资助人类数学家来消化和解释结果。
  • 另一些人称这是一种不寻常或自利的“税”，并指出实验室已经雇用数学家做数据和评估工作。

基准测试与著名问题

• 联名信的支持者担心，把里程碑式猜想用作内部基准会：
  • 抢先占用已经接近解决方案的研究者的成果。
  • 把共同的知识项目变成企业公关。
• 批评者说：
  • 著名开放问题是模型天然的压力测试。
  • 人类职业不应限制算法进步。

动机、教育与“问题会被做完”

• 有些人担心，如果“所有大问题”都被 AI 解决，学生会失去动力，削弱未来由人类主导的数学。
• 另一些人认为，鉴于纯数学的开放性，“问题会被做完”这一想法并不可信。
• 另一个担忧是：AI 可能会在上研究生院之前就打击深入学习的动力，从而缩小能够理解高级结果的人群。

更广泛的类比与情绪

• 支持和反对限制的类比都包括：化学武器、法律与执照、计算器、《圣经》与印刷术、行会。
• 语气从同情（保护人类理解和社区规范）到尖刻的轻蔑（称数学家的担忧“可悲”，坚持他们要么适应，要么离开）不等。