https://www.youtube.com/watch?v=sxAe4HJceFQ
第（一）部分 开场与历史序幕：数学的"基础危机"类比（0% - 12%）
1 开场致意与演讲缘起：陶哲轩在 ICM 2026 现场表达再次亲临大会的喜悦，提到与老友重聚、汲取积极能量，并直入主题——当下所有人都在谈论 AI 时代，数学界该怎么办。
2 数学百年的稳定与突如其来的剧变：他指出数学作为一个学科在过去一个多世纪里极其稳定，未曾经历过真正的生存性危机，而当下似乎正在遭遇意料之外的剧烈变化，但这种变化其实有其内在的逻辑动因。
3 二十世纪"基础危机"的历史类比：
- 二十世纪初之前，数学家们以半形式化的方式运作，欧几里得式的证明传统虽在，但集合、数、函数、极限等根本概念并未被完全公理化，数学界对数理逻辑与分析的基础信赖了数个世纪。
- 罗素悖论（1901）、哥德尔不完备定理（1931）等发现迫使数学家重新审视那些"隐性假设"。
- 1900—1930 年前后的"基础危机"虽动荡，却最终产出了一套明确、严谨、标准化的基础框架，并经受住了严酷检验。
4 当下危机的性质判定：陶哲轩明确提出，今天数学正在进入一个类似的动荡期——但这一次不是"逻辑基础"的危机，而是"数学价值与实践之基础"的危机。他预期，一旦共同体彻底检视并把这些基础编码化，数学界将以比以往更强韧的姿态走出危机。
第（二）部分 问题界定：共同体应对问题与"AI能力猜想"（12% - 28%）
1 核心问题（Community Response Question）的提出：面对现代 AI 技术及其真实或被宣称的研究级数学能力，数学共同体应当如何回应？他强调这是整个共同体的问题，自己并不自称掌握全部答案。
2 问题的性质：这不是一道数学题：
- 它不是一个靠证明就能终结的猜想，而是一个元数学问题，同时也交织着政治、伦理、文化维度。
- 尽管如此，陶哲轩选择"伪数学地"借用精确的数学语言来拆解它，以便澄清论点。
3 AI能力猜想（AI Capability Conjecture）的模板化表述：
- 他将争议焦点形式化为一个带有多个"some（某些）"占位符的猜想模板：在不远的将来，某些 AI 工具将以某种成本、某种人类监督程度，在某些数学领域内完成某些研究级任务，并达到某种非平凡成功率及某种正确性与质量水平。
- 这些"some"是变量，不同取值构成从弱版本到强版本的一族猜想。
- 若弱版本为假，数学界大可继续"一切照旧"；若强版本为真，尤其是当共同体把"尽可能多解题"作为首要目标时，现有文化与制度将难以为继。
4 公开证据的局限性：他提醒，目前支持或反对该猜想的多数数据点并非在受控科学条件下收集，易受报道偏差和非科学激励影响，且部分重要成本与变量未公开披露；同时必须区分"猜想的真值"与"猜想的可欲性"——这两件事不是一回事。
5 First Proof 独立评估作为近期信号：
- First Proof（1stproof.org）是对前沿 AI 模型与 harness（工具链）的独立评估，每批包含 10 道全新研究级问题。
- 2026 年 5 月 28 日进行的第二批测试中，4 套 AI harness 在受控条件下作答，专家从正确性与表述质量两个维度评审。
- 结果：10 题中有 7 题被至少一个团队做到了可发表水平，单题计算成本介于 10—1000 美元之间，后续批次已在规划中。
6 本场演讲的取径：陶哲轩明确表态——本场演讲不纠缠"AI 能力猜想"本身的真假之争，而是转向与之"正交互补"的另一半问题：数学共同体的目标与价值。
第（三）部分 条件性工作假设与数学的多重目标（28% - 45%）
1 工作假设（Working Hypothesis）的设定：
- 暂时假设"AI 能力猜想的较强版本为真"——AI 将在合理时间内，以合理成本、合理人类监督，完成相当比例的研究级数学任务。
- 他强调三件事：①这只是暂设，不要求听众相信、欢迎或接受它；②支持或反对该假设的证据，与接下来的价值分析正交；③这是一项对数学制度的"压力测试"，而非技术预言。
2 隐性目标的显性化诉求：过去数学界把"目标与价值"问题委托给人文学科（数学哲学家、科学社会学家、数学教育家），自己专注于技术事务。陶哲轩论证：在工作假设下，这种"不显化目标"的奢侈将不复存在——无论猜想最终真假，重新审视"我们为何做数学"本身就已 overdue（早该进行）。
3 数学研究的多重目标清单（他坦言无人曾编译过完整列表，仅举其要）：
- 解题：解决重要的开放问题，包括纯粹无直接应用的问题与具有高价值的目标问题。
- 理论与工具建构：发展新理论、新定义、新工具，深化对动态系统的理解。
- 理解世界：增进对周遭世界的认知。
- 共同体建设：数学是深度社会化的事业，共同体兴奋于数学、彼此沟通、重建联结。
- 代际培养：投入巨大精力提携和教育下一代数学家。
- 共享知识网络：贡献具有持久审美价值、可被后人引用的作品。
4 目标间的"AI 扰动"风险：
- 过去这些目标大体正相关、互相促进。
- 但 AI 是无根的优化器，AI 公司是激进的优化器，二者结合是危险组合——AI 可以在不受现实束缚的情况下优化单一指标。
- 当某些目标（如"解题数量"）变得极易被 AI 优化时，其他目标将被挤压、甚至与前者背道而驰。
- 古德哈特定律在此生效：当一个度量成为目标，它就不再是好度量。
5 目标冲突的时代到来：数学界进入一个所有目标相互碰撞、相互竞争的阶段，再也无法一次只聚焦单一目标，必须厘清何为对社会的终极目标。
第（四）部分 以"解题"为案例：证明的五阶段管道与"证明消化不良"（45% - 68%）
1 为什么选"解题"作为剖析对象：在所有目标中，"解决问题"是当前被 AI 冲击最剧烈的环节，故以其为例展开。
2 数学结果的五阶段管道（pipeline）：
- 第一阶段 · 生成（Generation）：产生证明。
- 第二阶段 · 验证（Verification）：检验证明的正确性。
- 第三阶段 · 阐释（Communication）：将证明写得能让共同体清楚理解。
- 第四阶段 · 发表（Publication）：通过同行评审进入期刊。
- 第五阶段 · 定型（Canonization）：被吸收进教科书、被工程师/物理学家/法学家等外部领域实际使用。
3 对"第一版目标"的批判——只追求解题数量：
- 即使在 AI 出现前，重大猜想周围就会出现大量错误证明的噪声。
- 若只优化"解题数"，网上会涌现海量号称证明了黎曼猜想的垃圾，绝大多数错误。
4 对"第二版目标"的批判——正确仍不够：
- 修正为：既要解题，也要验证。形式化证明助手（Lean 等）可加速此环节。
- 但极端情景已近在咫尺：一个重大定理被 AI 证明且形式验证通过，世上却没有任何人真正理解它为何成立——这是" abnormal development（反常进展）"。
5 对"第三版目标"的细化——阐释的不可替代性：
- 目标须再次升级：证明不仅要正确，还要能被数学共同体清楚交流与理解，不能只是"auto guys（炫技式成就）"而毫无后续价值。
-
当前 AI 在阐释上的双面性：
- 表层完美：拼写、语法、格式化几乎太完美，反而让人偏好人类那种略不完美的文本。
- 深层缺失：AI 常常把平凡步骤铺陈得过长，对真正困难、有趣的部分却轻描淡写；不擅长建立与文献和思想脉络的高层连接。
- 他举了自己研读 Donald Trump（此处转录疑似有误，或指某位学者）论文的经历：初读困惑 frustated，但最终"抓住了他的思维方式"，从而学到极多——这种通过艰难阅读而达成的"思维共鸣"，是 AI 丝滑文本无法提供的教育体验。
6 对"第四阶段·发表"的再思考——同行评审的人类维度：
- 当前期刊依赖志愿者 referee，他们付出时间不仅是为了把关，更是为了培养作者成为更好的数学家——这是一种代际传递。
- 这份工作无 prestige、无报酬，却是职业的本质部分。
- AI 在此阶段基本无用：若领域里一半人认为应这样做、另一半认为应那样做，就需要真正的对话与共识，而这正是 AI 完全无用的环节。
**7 对"第五阶段·定型"的预警——"证明消化不良"（proof indigestion）：
- 若 AI 批量产出已验证却无人读懂的证明，数学界将陷入"吃不下、消化不了"的困境。
- 类比食物：人类已从"食物稀缺"走向"食物充裕"，随之而来的是肥胖与不良饮食——这是丰裕型问题。
- 数学正从"证明稀缺"走向"证明充裕"，若不加干预，将出现类似的"证明肥胖症"。
- 工程师、物理学家等外部使用者不在乎《数学年刊》上的最新进展，他们要的是教科书——而将 AI 生成的海量证明转化为教科书的过程尚未发生，且极具挑战。
8 丰裕 vs. 稀缺的范式转换：所有问题可分为"稀缺型问题"与"丰裕型问题"，数学界须学会在丰裕条件下重新自律——正如人类通过自觉选择健康饮食来适应食物丰裕。
第（五）部分 制度重构：不同场景的不同政策与责任分配（68% - 85%）
1 整体立场：数学界需要对职业的每一个环节——解题、教学、工程化、招聘、应用——都摆上桌面重新审视，无法在此一小时讲完所有环节，但他给出框架性原则。
2 须由人类牢牢掌控的环节——以教育训练为例：
- 在早期教育中过度使用 AI 是有害的，学生必须先发展出内在的、本能的技能，才能学会使用工具。
- 类比：先教算术再给计算器；先教走路再给车钥匙。
- 数学教育同理：必须让学习者先建立自己的"原生能力"。
3 应由共同体主动制定规则的环节：
- 在另一些环节，数学界应主动出击，由自己设定"何种 AI 研究可接受"的规则，而非让外部因素（AI 公司、资助方、媒体叙事）来定义什么是数学、什么是好的数学。
4 传统渠道不再适用之处须建设新基础设施：
- 传统期刊等载体可能不适合新的"证明流"节奏。
- 数学界需要创建新的工作流与新的结构——这本身又是一场演说的内容，限于时间未能展开。
- 他提及若干基础设施方向：Mathlib（形式化数学库）、Mathematical Discourse（数学论述平台，链接待公布）、Erdős Problems（埃尔德什问题平台）、优化常数数据库、SAIR Competitions 等，预示着结构化知识库、公开问题平台、形式化库、可比较评测与持续维护的共同基础设施将成为趋势。
5 莱顿宣言（Leiden Declaration）作为政策起点：
- 他援引 2026 年 6 月发布的《人工智能与数学莱顿宣言》作为政策讨论的起点。
- 核心建议包括：披露 AI 使用情况；降低"首次解出问题"的权重；提高"消化（digestion）"的权重。
- 若作者无法令人信服地给出清晰、专家级的成果陈述，该成果就不应该被发表——这是对"阐释"环节的硬约束。
6 价值重心的迁移：从上游的"首发权"向下游的"解释权、消化权"迁移；能够验证、解释、组织、归因、筛选和教学的个人与机构将变得更关键。
第（六）部分 收束：数学作为社会认识系统与人类的不可替代性（85% - 100%）
1 数学不是"定理生产机"：通过全程剖析，陶哲轩 implicitly 勾勒出数学的真实面貌——它是一套由证明、解释、信任、同行评议、教育和代际传承共同组成的社会认识系统，而非简单的定理产出流水线。
2 AI 时代人类数学家的核心价值：
- 当机器能证明定理时，人类的真正价值在于理解、传承与判断。
- 数学家必须从"解题者"转型为"意义赋予者"和"知识消化者"。
- 即便 AI 能生成完美正确的证明，从"丝滑文本"到"被共同体真正吸收的知识"之间，仍需人类完成最缓慢、最关键的转化。
3 危机中的乐观主义：回到开篇的历史类比——二十世纪初的基础危机虽动荡，却催生了更严谨的标准化框架。陶哲轩暗示，当下的"价值与实践基础危机"若能促使共同体彻底检视并编码自己的价值基础，数学将以更强韧、更明确、更具韧性的姿态进入 AI 时代。
4 幻灯片本身的 AI 使用披露：他在幻灯片中明确披露——所有英文长破折号（em dash）均由人类生成，而 AI 被用于文本自动补全与图表生成。这一细节本身就是对"负责任披露"机制的示范，呼应了莱顿宣言的精神。
5 留给共同体的未尽之业：他坦诚本次演讲无法覆盖所有目标与环节的制度重构，号召数学共同体在解题、教学、工程化、招聘、应用等每一个方面都展开漫长而必要的讨论、分析与开发——这是一场属于整个共同体的、刚刚开始的对话。
💡 整篇演讲的方法论精髓：陶哲轩刻意绕开"AI 到底行不行"的争论泥潭，转而做一个条件性的制度压力测试——"假设 AI 很快能以合理成本完成相当比例的研究级数学任务，我们的制度哪里会失效？" 这一姿态使得演讲超越了技术乐观主义与技术悲观主义的两极，成为一份面向数学共同体未来的、冷静而深刻的制度重构纲领。
Top comments (0)