数学家陶哲轩：AI辅助证明如汽车遇老路，难融合有缺失

陶哲轩用以描述AI对数学影响的类比，是将其比作汽车对城市所造成的冲击，此等类比点明了一个关键矛盾，即工具效率得以提升，然而旧体系的“路”却无法契合跟进，反倒催生制造出了新问题。数学界现存的期刊、会议以及师徒传承这套系统，皆是基于人来进行设计的，可是AI生成证明的速度太过迅速，且表现得过于“黑箱”，致使二者之间出现了具有根本性的错位。

旧体系是为人设计的窄路

现有的数学传播体系，涵盖期刊审稿，还有学术会议，以及导师带学生，其本质是一套服务于“人”的慢速网络，一篇论文从写作到发表常常需要一两年时间，审稿人所关注的并非仅仅是结论的对错，而且还包括证明思路是否巧妙，是否开辟了新的方向，这套体系虽然很慢，然而它承载了能力培养、学术交流以及知识沉淀的功能。

于这个进程当中，研究者会步入歧途，会记载下那些标明“此路不通”的探寻。这些看上去毫无用处的内容，恰恰是新人学习的关键资料，亦是资深学者发觉新问题的灵感源头。要是将这些全部去除，仅留存最终结论，数学便成了一个唯有答案而无解题步骤的习题册子。

AI证明速度快但丢了附加价值

AI辅助证明能够瞬间依照假设跃至结论，然而它跨越了其间全部的思考路径。陶哲轩表明，此类证明不适宜刊载于传统期刊之上，缘由在于人们所期望的、有关证明思路以及探索过程的叙述近乎全然缺失。一篇仅有结论的论文，对于同行而言价值大幅降低。

仅将AI生硬地塞入现有的那种体系之中，就好似把汽车强硬地开入仅适宜行人和马车通行的小巷里头。汽车有着可行驶的能力，然而却会致使整条道路被阻塞得死死的。期刊编辑以及审稿人在面对由AI所生成的文本时，根本弄不清楚该怎样去进行评判——它是正确无误的，可是其究竟是通过怎样的方式得来的呢？其背后是不是潜藏着错误呢？这些致使人们产生疑问的情况是根本无法从一份简洁的答案当中获得解答的。

强行改造AI去适应旧路不可行

有人尝试促使AI去学会撰写具备人类风格的论文，将证明过程运用自然语言予以“翻译”出来。陶哲轩觉得这种做法的实质 ，是把汽车加以改造使其看上去如同马车一般 ，让它能够勉强在以往的道路上进行行驶。然而如此去做 ，既丧失了AI的效率方面的优势 ，又并未切实解决适配的问题。

更关键的是，这般改造会致使AI输出的内容化作不可靠的状态。AI生成的自然语言证明兴许潜藏着逻辑漏洞，然而形式化证明尽管机械却能够彻底验证。要是为了契合期刊格式而舍弃形式化验证，那就等同于把安全系数高的汽车拆除刹车，仅仅是为了让它看上去更契合老式马车的标准。

新建数学基础设施才是出路

陶哲轩所提出的解决方案是，不要再将AI往旧体系里塞，而是要专门为AI修筑一条“高速路”。具体而言，便是构建一套适配机器的新型数学基础设施。比如说，利用形式化证明助手自动去验证大型数学难题的结论，进而生成一个能够被验证的证明库。

这些经AI初步达成的证明情况，能够交付给数学家开展二次处理。人类承担补充思路方面的工作，对关键步骤予以标注，撰写具备教学性质的解读内容，将冷冰冰的机械证明转化打造成为有温度、可被理解的研究成果。如此这般分工清晰明确：AI肩负高速运算以及验证的职责，人类负责解释、教学以及探索全新方向。

引入AI规划这门新学科

陶哲轩提出建立一门称作“AI规划”的全新学科，此学科专门致力于研究怎样将AI融入学术工作流，该学科所要达成的任务，类似于城市设计里的交通规划，即哪些道路是留给能够快速通行的汽车的，哪些道路是保留给人用于步行的，以及这两者怎样进行接驳且互不干扰。

于数学范畴之内，“可步行探索”的实质颇为关键。数学家需通过散步来思索，于黑板前展开推演，跟同事一道喝咖啡进行探讨。这些节奏较为缓慢的活动乃是创造力的源头所在。AI规划所要达成的，便是确保AI的高速运算不会对这些“步行空间”造成破坏，而是促使两者能同时存在且互不冲突。

AI打开了可能性但瓶颈已转移

与德瓦凯什·帕特尔对话之际，陶哲轩分享自身实际体验，他言，AI令其工作更为丰富，诸如能用更多图表、撰写更多代码、开展更深入文献检索，然而，其核心数学研究，依旧借助笔与纸而完成，AI并未使论文撰写得更快，而是让他得以尝试往昔无法做到之事。

他做了进一步的解释，AI已然将想法生成的成本降低到几乎归零的程度，恰似互联网把沟通成本削减为零那般。然而当下的问题演变为：面对着成千上万个由AI生成的理论，究竟谁来进行验证，谁又来开展评估呢？瓶颈从“想不出”转变成为“验证不过来”。这是整个科研体系必须要面对的全新挑战。

追溯至最初的那个类比，汽车对城市产生了改变，AI肯定也会对数学以及所有学科的研究方式予以改变。不过改变的方向并非是使汽车去适配旧有的道路，而是要重新对道路进行规划。你认为在你所处的领域当中，哪些工作能够安心交给AI去跑“高速”，哪些工作又必须留存给人去走“步行街”呢？欢迎在评论区分享你的看法。