当 AI 开始能做研究级数学，最紧迫的问题未必是“它到底有多强”，而是：我们原本到底在奖励什么？

数学家陶哲轩发表论文《AI时代的数学》，整理自其2026年ICM演讲。

核心论点是，数学不只是“尽可能多解题”。
一项结果还要经过完整链条：生成证明 → 验证正确 → 清楚讲解 → 被同行消化与接受 → 进入教材和标准理论（canonicalization）。

AI 会极大加速前端的证明生成，却可能让后端的人类审稿、理解、归因与知识沉淀成为瓶颈。

他借 Goodhart 定律提醒，一旦“解出多少题”变成唯一指标，指标就会偏离真正目标。

形式化验证能保证正确，却不能自动保证人类理解、研究脉络和可传承的理论结构。甚至过度流畅的 AI 写作，可能抹去人类证明中提示难点与思路的“自然摩擦”。

文章主张把重心从“谁先给出证明”部分转向 proof digestion：讲解、审稿、发表、归纳与教材化；
并建议披露工具使用、降低同行评审负担、坚持作者责任属于人类、主动做好思想归因。

#数学 #人工智能 #陶哲轩 #AI科研 #学术前沿 #陶哲轩