对抗知识焦虑,从看懂这条开始
App 下载对抗知识焦虑,从看懂这条开始
App 下载
GPT-5.2|DeepMind AI模型|数学研究范式|arXiv论文|陶哲轩|科学哲学|大语言模型|社会人文|人工智能
2026年3月,数学家陶哲轩在arXiv发布论文,把AI对数学的影响拉进了哲学视野——这不是一篇技术报告,而是在追问:当AI能攻克IMO金牌级难题、发现人类未触及的数学结构,我们对“数学研究”的定义,对人类思想边界的认知,是否正在被悄悄改写?更关键的是,这场由算法驱动的知识革命,到底该服务于技术的迭代,还是人的需求?
AI闯入数学界的路径,远不止“帮数学家算题”那么简单。2024年DeepMind的AI模型拿下IMO银牌,次年升级到金牌水准,能像人类选手一样用自然语言理解并证明几何题;OpenAI的GPT-5.2解决了困扰学界30年的Erdős问题,靠的不是复刻现有证明,而是重组既有思路生成新论证;AlphaEvolve工具在67个数学问题上改进了已知最优解,甚至能把有限案例推广成通用公式。
这些突破背后,是AI角色的质变——从“自动化计算器”变成了“有瑕疵但高效的研究合作者”。陶哲轩将其比作“有能力但创造力有限的研究生助手”:它能把数学家模糊的直觉转化为严格的形式证明,把耗时数月的验证工作压缩到几天,甚至能在结理论、椭圆曲线等领域发现人类没注意到的结构关系。但它的局限同样清晰:生成的证明正确率约75%,会出现“信息幻觉”,更无法提出像哥德巴赫猜想那样触及数学本质的问题——这些,依然是人类独有的领地。
这种协作正在重构数学研究的范式:过去数学家要从海量数据里手动找规律,现在AI可以先筛出值得关注的模式;过去验证一个猜想可能要耗尽职业生涯,现在AI能快速排除明显错误的方向。但这也带来新挑战:年轻研究者如何在依赖AI工具的同时,保留对数学的直觉和深度思考能力?同行评审又该如何区分真正的人类创新和AI的批量生成?
陶哲轩在论文里反复强调的“以人为本”,不是泛泛的伦理呼吁,而是给AI技术安上的“刹车与方向盘”——它要求AI的发展从“技术能做什么”,转向“人类需要什么”。
从技术层面看,这意味着AI系统的设计要嵌入人类的监督和控制:比如在数学研究中,AI生成的证明必须保留可解释性,让数学家能追踪每一步推理的逻辑,而不是给出一个“黑箱”式的结果;在教育领域,AI不能是直接给出答案的“解题机器”,而要成为引导学生思考的“脚手架”——比如Khan Academy的AI助教,会先提示学生哪里错了,再引导他们自己找到解题路径,而不是直接输出步骤。

从治理层面看,“以人为本”要求把多元利益相关方拉进决策桌。联合国教科文组织的《人工智能伦理推荐》、OECD的AI原则,都把“人类福祉”放在核心,欧盟的《人工智能法案》更是用风险分级监管,禁止社会评分等伤害人类权利的AI应用,要求高风险AI系统必须接受人类监督。美国科罗拉多州2026年生效的AI法案,甚至规定影响重大决策的AI系统,必须给用户申诉的权利——这都是在确保AI的发展不偏离服务人类的轨道。
但“以人为本”最难的,是平衡技术进步和人的需求。AI能大幅提升数学研究效率,但也可能让研究者失去从试错中获得的深度理解;能给学生提供个性化辅导,但也可能加剧过度依赖导致的“认知退化”。陶哲轩的论文没有给出完美答案,但提出了一个核心判断:AI是人类工具的延伸,它的价值,最终要由是否拓展了人类的思想边界、提升了人类的生活质量来衡量。
AI对数学的冲击,最先在教育领域显现。当学生能轻易用AI解出高考难度的数学题,传统的“刷题练技能”模式已经失去了意义——现在的问题是,AI时代的学生,到底需要什么样的数学能力?
美国科罗拉多大学的研究显示,70%的数学教师还没接受过AI教学的相关培训,40%的教师自认“几乎没有”AI教学技能。但已经有学校开始调整:比如让学生设计难题去挑战AI,或者让学生找出AI解题过程中的错误——这些任务不再考察计算速度,而是考察对数学逻辑的深度理解,以及批判性思维能力。

教育专家的共识是,AI时代的数学教育,要从“教知识”转向“教思维”:学生依然需要掌握基础的数学技能,但更重要的是学会用数学逻辑分析问题、用批判性思维辨别AI输出的真伪、用创造力提出新的问题。就像陶哲轩说的,AI扩展了数学的工具箱,但真正的创新,依然来自人类的好奇心和洞察力。
当AI能在IMO赛场上击败绝大多数人类选手,当AI能发现人类没见过的数学结构,我们很容易陷入一种技术崇拜的迷思——以为AI能替代人类完成所有智力工作。但陶哲轩的论文,其实是在给这种迷思降温:AI再强大,也只是人类思想的延伸,它能拓展我们的认知边界,但无法定义我们的思想价值。
人机协同,而非人机对立,才是未来的方向。AI解放了人类重复的脑力劳动,让我们能把更多精力放在真正有创造性的思考上——这不是人类思想的退化,而是进化。
AI是工具,思想才是人类的核心。