数学曾是艺术，直到AI带着蛮力到来

一门「像诗一样」的学科

在很长一段时间里，数学被它的从业者视为一门艺术。一个漂亮的证明，讲究的不是把每一步都写满，而是找到那条最短、最出人意料、最能揭示事物本质的路径。保罗·埃尔德什把最优美的证明称作来自「上帝之书」；哈代在《一个数学家的辩白》里坚称，数学家的模式「像画家或诗人的模式一样，必须是美的」。一个猜想被提出、被搁置数十年、再被某个灵光乍现的构造击穿——这是数学的心跳。

但如今，这台心跳的节拍器旁，多了一台机器。

蛮力的入场

过去几年，AI在数学上的进展堪称陡峭。DeepMind的AlphaProof与AlphaGeometry在国际数学奥林匹克竞赛中取得接近金牌的成绩，其中不少解答是在形式化证明系统Lean中完成并逐行验证的。此后，从定理自动证明、猜想反例搜索，到组合结构的暴力构造，模型开始渗透进数学研究的各个环节。它们的共同特征是：把问题摊开成一个巨大的搜索空间，然后用算力把它填满。

「我们过去靠直觉判断哪条路值得走，现在模型可以把所有路都走一遍。」——类似的话，正越来越多地出现在数学系的走廊和研讨会里。

数学家的两难

担忧并非空穴来风，它至少有三层。

第一层关于方法论。如果一个问题可以通过穷举所有分支被解决，那么「理解」还剩下多少价值？数学训练的核心一直是判断力：知道什么问题值得问、什么方向藏着结构、什么猜想可能是真的。这种判断力来自长期浸泡，而非算力堆叠。

第二层关于激励。当顶尖成果越来越依赖大规模计算资源与工程团队，个体数学家的处境会变得尴尬。能负担算力的一方定义了「前沿」，而擅长构造反例、发明新概念的那类人，可能在评价体系中被边缘化。

第三层关于文化。数学的美学不是装饰，而是压缩：一个概念能统一多少现象，一个证明能省掉多少步骤。蛮力解法往往给出正确答案，却什么也不解释。如果学科的价值标准被结果导向彻底改写，数学就可能退化成一场答案竞赛。

比诗歌幸运的一点

不过，数学与绘画、诗歌有一个关键区别：它拥有形式化验证。一首诗无法被「证明」，但一个定理可以。这意味着AI在数学中的产出是可检查、可复现、可被人类吸收的。数学家不必在「接受」与「拒绝」之间二选一，他们可以把机器生成的结果拆开、重写、提炼，从中提取新的结构。

事实上，越来越多研究者开始把AI当作「加速器」而非「替代者」：让模型去搜索那些人类不会想到的构造，再由人来判断其中哪些真正揭示了问题。可验证性反而给了数学一个别的学科没有的缓冲带。

编者按：危机不在答案，而在过程

真正值得警惕的，或许不是AI能解出多少难题，而是我们会不会在效率的诱惑下，悄然放弃数学中「过程」的价值。一门学科之所以是艺术，不是因为它难，而是因为它要求人以有限的心智去逼近无限的结构，并在其中留下风格。AI的出现不会剥夺这一点，但它会放大一种倾向：把数学当作待优化的任务清单。

数学家的抵御方式，也许不是禁止模型入场，而是坚持问同一个问题——这个方法，让我更理解数学了吗？如果答案是否定的，那么即便它算对了，也依然不是数学。

本文编译自WIRED