昨晚刷到一条转述陶哲轩新演讲的帖子，顺手去把他自己传上网的那 27 页原始 slides 翻了一遍。有两处，转述和原文对不上。

先说对得上的部分。

数学这两年被 AI 攻得最狠，社交媒体上隔几天就有一条"AI 又解决了一个悬案"。陶哲轩在原始 slides 里专门开了一页，就叫"Reporting bias"，页面上写着一句话："Wow, all the math problems I am seeing on social media are being solved by AI!"

下一页他画了张示意图，比转述狠得多：你看到的那些成功，只是"当前新闻通稿与社交媒体活动"这一小块；旁边还杵着"未被上报的失败尝试"和烧掉的算力，再远一点才是数学真正的研究前沿。中间大片留白，全是没写进报道的部分。

所以转述里说的"没人发失败的尝试、没人发算力账单"，方向没错，陶的原文其实更系统——他还专门提了 First Proof 这个项目，主张把资源消耗和负面结果都报出来。

但真正被转述漏掉的，是这页：

纯数学里的开放问题从来不是目的地，它们是"灯塔"（lighthouses）。作用是照亮周围那片数学地形，让你有方向可走。真正值钱的是朝灯塔走的那段路——成功、失败、还是只推进一步，都比最后那个答案本身更有价值。

紧接着他写了句挺重的话：用自动化工具过早抵达灯塔，会打断那些"没走的路"的探索，让周围这片领域贫瘠。

以及一个更尖锐的自我诊断——衡量数学研究的那个"解了多少题"的指标，在证明稀缺的时代是个好指标，在证明过剩的时代已经错位了。继续盲目地只优化解题数，正在主动损害数学的长期健康。

全场最容易被截图转发的是这个思想实验。

他设的场景是：AI 被要求"找到一种能通过 III 期临床试验的癌症疗法"，烧掉大量算力后，交出一堆此前无人知晓的化合物，它预测这玩意儿混进病人体内能杀死所有癌细胞。这个模型预测在 Lean 里被验证过了，那堆化合物也确实过了 III 期试验。

然后他问了两件事。

一是这个 AI 解法会不会是靠钻试验流程的空子、实现"错位对齐"的。

二是在往你血管里打之前，你想不想知道：至少有一位人类癌症专家理解这个疗法的机制，或者有一位数学家理解用来定位它的那套数学模型。

这两个问题问的是两件事，现在被混着传。

顺便说一句，那条转述还讲了"1976 年四色定理的计算机证明没人接受"这半个故事——我在陶这 27 页原始 slides 里从头到尾翻了一遍，没有这一段。数学家史的例子是转述博主自己缝进去的，缝得还挺顺。这是个挺典型的样本：转述型内容会把外部记忆当作一手信源来补，读者很难察觉。

原始 slides 在这儿（2026 年 10 月 9 日，加州理工 AIM 公开讲座，他后来更愿意把它叫《Math 2.0》）：网页链接

最后一页的原话，我觉得比整份 deck 都更值得记一句：

"实现 Math 2.0 的主要瓶颈，不是技术，甚至不是机构文化，而是想象力。"

有意思的对照是——现在 OpenAI、Anthropic、Google 在数学上砸的算力，比这份 deck 里讨论的"证明过剩"还要激进。而陶的判断是，瓶颈不在能不能解出来，在有没有人去想该解什么。

陶哲轩数学人工智能AI