菲尔兹奖得主深夜痛哭,吵醒女儿!数学家的体面,被AI一夜撕碎

新智元报道

2022年菲尔兹奖得主Hugo Duminil-Copin,崩溃了!
10月6日,OpenAI突然甩出一批数学手稿,声称他关心的16道难题,一口气全解了。
消息传来,他在深夜痛哭,连女儿都被吵醒了。
他怒斥OpenAI,自己的研究领域已经被「摧毁」——
他们想证明,他们可以屠杀我们。

一个月前,67岁的康奈尔大学教授Steven Strogatz,也在采访中哭了。
那篇专访的标题,直接用了他的原话:「我真的很害怕」。

一个拿过数学界的最高荣誉,一个做了一辈子研究、快要退休。
他们穷尽一生想做出的发现,机器已经成批交卷。接下来的人生,该怎么过?

16个心头好,OpenAI全解了
OpenAI这次放出的719篇手稿,可分成372个「结果族」。按它自己的说法,平均做出一项成果,花的计算量也就相当于让ChatGPT Pro深度思考3小时。
Hugo在数学社区网站Proofs and Prompts上写道,这批手稿涉及了他整个职业生涯中公开提过的重要难题。报告里讲过的、课堂上提过的、写进论文和基金申请的,全在其中。
他早就料到AI会超越人类,却没想到,OpenAI会一次宣布,这些题全有了解答。
对于他关心的一个问题,OpenAI甚至一口气拿出了13篇文章,声称解决了同一研究计划中的多个后续问题。

不管证明是否成立,数学家都得读懂其中的思路,才能接着往下研究。
而堆在Hugo面前的,是多达3500多页的AI手稿。
他原本打算鼓起勇气,一页页读下去。
可这位菲尔兹奖得主,一度连从哪儿开始,都没了头绪。

一道没解出的题,成就了后来的他
Hugo很清楚,这件事的痛处,远远超出了「少解几道题」。
当他还年轻时,曾反复尝试证明一个渗流理论猜想。虽然最终题没解开,但Hugo却一直觉得,那段日子太值了。
研究它的简化版本时,他认识了Vincent Tassion,两人后来成了重要的合作者。尝试伊辛模型中的类似问题时,他又开始和Michael Aizenman合作。
不仅如此,一次次碰壁时冒出的思路,后来被他用到其他问题上,做出了新的发现。

一个数学家,就是这么一点点练出来的。
读前人的证明,撞上自己解不开的难处,找人讨论,再试一条路。留到最后的,除了论文,还有下次敢去碰更难问题的底气。
因此,Hugo把未解的问题比作夜里的灯塔。人们朝着它走,沿途学会了怎么辨认方向,也遇见了同行的人。
现在,刚上路的年轻人,还没来得及走多远,AI就可能宣布到达终点了。

旁人当然可以说:「那就换一道题嘛。」
可换下一道,也得重新花时间。再从头来一次,谁能保证,自己赶得上做出那个发现?
面对这种情况,一些数学家已经表示会减少公开交流,担心刚说出来的问题,就被公司拿去攻关。
连讨论都开始有所保留,年轻人能听到的思路、能遇见的机会,也会跟着减少。
机器解题越来越快,但一个年轻人长成数学家,却要花费数年。

67岁老教授也绷不住了:「我真的很害怕」
一个月前,康奈尔大学的Steven Strogatz教授,也在为这样的同行难受。
作为《微积分的力量》的作者,67岁的他已经研究了一辈子数学。
采访时,他坐在挂着荣誉证书的墙前,聊起数学那段漫长的历史,没忍住哭了。

读懂前人的发现,在上面添一点自己的东西,再交给下一代。Strogatz把一生,都放进了这场对话里。
可现在,他看着还在往前赶的年轻同行,担心他们再也等不到属于自己的那次突破。
正如前段时间Tristan Buckmaster经历的那样。
他和合作者已经在与纳维–斯托克斯方程密切相关的流体问题上取得进展。随后,OpenAI宣布,自己的AI攻克了那个悬赏百万美元的纳维–斯托克斯难题。
Strogatz非常欣赏这位同行对学术署名的认真,也心疼这样的人撞上公司之间的竞赛。

在Strogatz看来,这就像一场网球比赛。
在温布尔登,球员穿着白衣上场,讲究传统和礼仪。赢球固然重要,怎么打这场比赛,同样重要。Buckmaster让他想起的,就是这样的球员。
而AI公司拿数学突破做的,是另一场比赛——
解出一道著名难题,就能向全世界证明,自己的模型比对手更强。
苦练15年,巅峰期突然不值钱了
更年轻的Alex Townsend,已经亲身尝到了这种滋味。
他是Strogatz的合作者。借助ChatGPT,他和同事解决了一个悬而未决多年的数值线性代数问题。
题解出来了,成果也到手了,但Townsend却感觉非常难受。
我把15年的人生献给了数学研究。我现在正处在职业生涯最高产、能力最强的时候。
可偏偏在这个时候,他发现,自己引以为傲的巅峰技能,已经有东西能够超过了。
在Strogatz看来,「未来想在数学上寻求突破,不用AI,你连上桌竞争的资格都没有。」
那人类数学家还能干点什么?他想了想,给出了一个非常悲观的答案:当「证明消化员」。
也就是把机器吐出来的那些晦涩的证明过程,翻译成人类大脑能理解、能欣赏的逻辑。
可他紧接着就补了一句,自己预计,机器连这项技能也会超过人类。
相比之下,Hugo倒没这么绝望。
他仍想亲手找一些值得研究的问题,也打算和同行一起读那些手稿,把机器的结果变成人们能理解的知识。
可一想到年轻学生的未来,他还是放不下心——
接下来的几年,让他们研究什么?又该怎么让他们相信,把青春投进这门学问,依然值得?
来源:凤凰网科技(2026-11-21 09:37) 查看原文 >>