影片筆記：AI開始攻克數學難題，25位菲爾茲獎得主爲何抗議？

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 全文快速校讀發現待確認修正

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：⚠️ 全文快速校讀：已套用暫定修正，請確認（segment=22 已先套用暫定修正：真名网站随后开放连锁 → 真名网站随后开放联署；segment=68 已先套用暫定修正：平面单位距离有关的长崎猜想 → Openai宣布内部模型推翻了一个与平面单位距离有关的单位距离猜想）
• 待修正：逐字稿可先使用，但有待校正清單（segment=506 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

2026年9月，25位菲爾茲獎得主（含陶哲軒）聯合抗議AI公司將數學難題作為商業競賽燃料，警告AI「快速生產」可能毀掉孕育新思想的土壤，並呼籲建立區分發現、證明與解釋的新規則，以確保數學知識的可理解性、公平獲取與傳承。

核心重點

• 抗議背景：2026年9月，OpenAI、Anthropic等公司的AI模型已能解決研究級數學問題、形式化費馬大定理甚至挑戰納維斯托克斯千禧年難題，引發數學界擔憂。
• 核心衝突：AI公司追求「結果」（榜單、估值、新聞），而數學共同體需要「知識」（理解、新方法、可教學性）。
• 三大風險：

1. 驗證成本轉移：AI生成大量含錯誤的候選證明，審查成本轉嫁給人類專家，形成「拒絕服務攻擊」。
2. 署名模糊：模型訓練自歷史論文，新證明與人類貢獻界限不清，存在抄襲與歸屬爭議。
3. 知識分層：擁有算力的企業位於上層生成結果，大學研究者位於下沉等待公開，導致研究條件不公。

• 解決方案：提出五條新規則，包括區分環節、發布冷卻期、生產者承擔驗證成本、公平算力獲取及保留教育困難。
• 未來展望：數學界需從「最快找到證明」轉向「判斷什麼值得證明」及「解釋真正增加理解」。

詳細大綱

I. 衝突爆發：數學界的聯合抗議

• 時間與人物：2026年9月11日，陶哲軒在個人博客發布《人工智能在數學中的嚴重錯位》聲明。
• 簽署情況：首批簽署人為菲爾茲獎得主（彼得·舒爾茨、瑪麗娜·維亞佐夫斯卡、吳寶珠、考切尔·比尔卡尔、阿图尔·阿维拉等）。
• 規模：截至9月13日，真名網站顯示已有4,152名支持者。
• 核心立場：
• 不禁止AI，承認大語言模型數學能力劇烈提升。
• 反對將數學難題作為產品基準、發布成績和商业競賽燃料。
• 指出AI公司追求「結果」（數字、榜單），而數學共同體需要「知識」（理解、新方法、可教學性）。

II. 技術背景：AI 數學能力的躍升

• 2026年2月：OpenAI內部模型挑戰10道研究級數學問題，最初判斷至少5份證明正確，但第二題答案後被發現有誤。
• *關鍵點*：研究級數學無現成答案，「像證明」的文字與經得起同行檢查的證明外觀可能接近。
• 2026年5月：OpenAI宣布內部模型推翻了一個與「平面單位距離」有關的「單位距離猜想」。
• 多位數學家認為包含真正新穎的構造和跨領域方法。
• 意義：AI不再僅整理已知定理或解競賽題，開始在專業研究前沿製造新結果。
• 2026年8月-9月進展：
• OpenAI公布10項數學與理論計算科學進展。
• Anthropic表示Claude用11天寫出費馬大定理的完整 Lean 形式化版本（1,300萬行代碼，29,500個中間定理）。
• OpenAI宣布內部系統給出納維斯托克斯千禧年難題的一套解答並附上 Lean 形式化證明。
• *現狀*：後者仍需獨立審查，未自動獲得克雷數學研究所承認，但影響力已無法忽視。

III. 核心矛盾：速度與理解的錯位

• 數學問題的本質：
• 非「鎖着的門」，而是「路標」。
• 告訴研究者現有工具在哪失效，幾代人靠近過程中會發明新語言、新概念。
• 沿路出現的工具往往比最後一步更能改變學科（例：費馬大定理催生橢圓曲線、模形式、數論方法）。
• AI公司的偏好：
• 天然偏愛「終點」（可做成新聞、系統卡、估值敘事）。
• 模型解決謎題獲得能力徽章；模型幫助博士生建立直覺難以被市場計價。
• 陶哲軒的擔憂：
• 「大規模生產真與假的結論」可能毀掉孕育新思想的土壤。
• 年輕數學家若提前獲得路線，雖能讀懂結果，卻失去尋找路線的過程（類似直接看考試答案，但更複雜，因為研究問題還推動知識前進）。
• 數學界需判斷哪些阻力是低效率，哪些構成研究能力。

IV. 具體案例與爭議：Mathathon 活動

• Mathathon 活動：
• 計劃組織100支數學團隊，在40小時內使用前沿模型攻擊開放問題。
• 獎勵：約200萬美元的AI算力額度。
• 爭議點：「當AI解決猜想比人更快時，數學家還扮演什麼角色？」
• 反對聲音：
• 加州理工學院數學研究者發公開信要求暫停。
• 擔憂：鼓勵搶結果、審查負擔留給學術共同體、學生在不了解證明下發布重大結論。
• 結果：OpenAI撤回贊助，組織方刪除宣傳語，承認需更充分回應驗證、署名和教育問題。
• 啟示：將抽象爭論轉為可見的激勵機制。賽制獎勵速度和結果，不獎勵複合質量。

V. 三大風險：驗證、署名與知識分層

1. 驗證成本轉移：

• 生成證明成本下降，驗證成本未必同步下降。
• 模型生成大量候選證明，大部分含難以發現的錯誤。
• 生產成本由機器承擔，審查成本轉移給人類，導致數學共同體遭遇「新的拒絕服務攻擊」（專家注意力被海量待驗證材料占滿）。
• *形式化證明（Lean）的作用*：提供可機械核驗對象，解決邏輯有效性，但未解決數學價值（可能正確但無人能讀、未提煉新觀念）。

1. 署名與歸屬模糊：

• 模型訓練材料來自幾百年論文，新證明可能沿研究者思路推進。
• 公司宣布解決問題時，人類貢獻易成背景噪聲。
• 模型難以可靠追蹤想法來源（訓練材料 vs. 當前提示）。
• 聲明將此與抄襲風險並列。

1. 知識分層與封閉：

• 擁有最強模型和算力的公司位於上層，能生成、篩選、驗證大量結果。
• 大學研究者位於下沉，只能等待公司公開成果。
• 公開證明可能使用未發布模型，外界無法復現，無法判斷失敗次數。
• 研究條件受賬戶權限、算力配額、保密協議影響。

VI. 企業回應與制度缺失

• 企業回應：
• OpenAI公布進展時加入對數學共同體的責任聲明，提供證明推理過程和外部專家意見。
• First Proof項目承認流程不夠乾淨，公開修正了一道最初判斷可能正確的答案。
• Mathathon組織者調整宣傳與規則。
• 制度困境：
• 企業需要證明下一代模型更強，數學是理想展示舞台。
• 若一家公司慢下來，競爭對手可能先公布結果。
• 沒有共同規則，謹慎會變成市場劣勢。
• 2026年6月，國際數學聯盟支持《萊頓人工智能與數學宣言》，要求披露、可復現、責任歸屬和公平獲取。
• 9月新聲明語氣更急，因能力躍升和發布節奏讓原則性警告顯得不夠。

VII. 反方觀點與辯證

• 支持AI的觀點：
• 數學史不缺新工具（計算器、計算機代數系統等），最終擴大研究邊界。
• 若機器能驗證正確結論，為何一定要讓人類重複經歷漫長失敗？
• 把開放問題當做模型測試可能帶來新方法。
• 排除AI可能導致研究轉入少數企業內部，公共學術界失去制定規則機會。
• 批評數學家觀點：
• 強調人類理解可能是在保護職業身份。
• 領域長期把解決難題視為最高榮譽，機器完成會衝擊身份認同。
• 抗疫（抗議）裡既有公共利益，也不可能沒有地位、就業和聲望焦慮。

VIII. 五條新規則建議

1. 區分環節：重大成果必須區分發現、證明、驗證和解釋。宣傳材料不能壓縮成「AI獨立解決」。
2. 發布冷卻期：公司先將候選結果交給領域專家，完成證明引用和歸屬基本檢查後再公開。數學新聞不必沿用消費電子產品搶首發節奏。
3. 驗證成本由生產者承擔：實驗室批量生成證明，應提供相應審查資源、形式化材料和長期維護承諾，不能免費轉嫁給大學專家。吞吐量越高，提交門檻應越嚴。
4. 算力獲取更公平：企業向學術團隊開放模型，分配過程應透明，不只邀請易製造新聞項目。公共機構需建設獨立算力，避免核心方向綁定單一公司。
5. 教育保留必要困難：學生可使用AI檢查證明、尋找反例，但課程仍需訓練其在沒有即時答案時建立問題結構。未來數學家最重要能力從「最快找到證明」轉向「判斷什麼值得證明」及「解釋真正增加理解」。

IX. 對其他領域的意義與未來局面

• 跨領域影響：軟件工程、醫學、法律、內容創作面臨相同變化。企業用輸出數量衡量AI價值，職業共同體關心判斷力、責任和傳承。
• 三種未來局面：

1. AI成為數學家的高倍顯微鏡，擴大探索範圍，結果由開放共同體吸收（最有希望）。
2. 企業形成封閉的數學工廠，大學只能驗證公司選擇公開的結論。
3. 混亂局面：大量模型和團隊同時生產證明，沒人辨別重要性，文獻被正確、錯誤和重複結果塞滿。

• 實現路徑：需要資助機構支持解釋與複核，期刊獎勵高質量整理，公司接受外部審查，數學家主動學習新工具。

X. 結論：錯位與規則制定

• 核心判斷：工具能力與學科目標沒有天然一致。機器越強，偏差後果越大。
• 數學家擔憂：機器得出正確答案後，人類共同體可能失去理解、負責和傳承這些答案的能力。
• 抗議目的：不是給AI判死刑，而是要求AI公司承認數學不是可隨意開採的基準礦場。
• 未來標準：
• 新方法能被人類讀懂。
• 貢獻得到準確記錄。
• 證明可以獨立複核。
• 下一代研究者能在其上繼續建設。
• 觀眾判斷方法：看到AI解決世紀難題，先問四件事：

1. 證明由誰檢查？
2. 材料是否公開？
3. 模型完成了哪一段？
4. 人類又完成了哪一段？

• 再看是否產生可解釋的新方法，以及結果是否通過正式學術程序。

工具 / 模型 / 名詞整理

• OpenAI：提及內部模型、First Proof項目、納維斯托克斯千禧年難題解答。
• Anthropic：提及Claude模型、費馬大定理形式化項目。
• Google：提及作為競爭實驗室之一。
• Lean：形式化證明助手/系統，用於檢查邏輯有效性。
• Ling：文中提及「Openai公布納維斯托克斯成果時，也把Ling版本作為可信度的重要支柱」，疑為Lean之誤或特定版本名稱，保留原樣。
• 真名網站：用於公開聯署的平台。
• 克雷數學研究所：千禧年難題獎金發放機構。
• 國際數學聯盟：支持《萊頓人工智能與數學宣言》。
• 萊頓人工智能與數學宣言：2026年6月發布的文件。
• Mathathon：計劃中的數學團隊競賽活動。
• First Proof：文中提及「First Proof项目承认流程不够干净」，可能指某個具體項目名稱或泛指「第一個證明」，保留原樣。
• Methathon：文中先寫「Mathathon」，後寫「Methathon」，疑為同一活動名稱的拼寫不一致，保留原樣。

操作流程整理

• AI數學能力驗證流程：

1. 內部模型挑戰研究級數學問題。
2. 初步判斷證明正確性（可能存在誤判）。
3. 若推翻現有猜想，需經多位數學家評估是否包含新穎構造。
4. 若涉及千禧年難題，需進行獨立審查，未自動獲得官方承認。

• 抗議與規則建立流程：

1. 菲爾茲獎得主發布聯合聲明。
2. 研究人員聯署支持。
3. 針對具體活動（如Mathathon）提出暫停或修正要求。
4. 企業調整宣傳與規則，承認驗證與署名問題。
5. 國際數學聯盟發布宣言，要求披露、可復現、責任歸屬和公平獲取。
6. 提出五條新規則建議，區分環節、冷卻期、成本承擔、算力公平及教育保留。

值得注意的限制或風險

• 驗證成本轉移：AI生成大量含錯誤的候選證明，審查成本轉嫁給人類專家，形成「拒絕服務攻擊」。
• 署名模糊：模型訓練自歷史論文，新證明與人類貢獻界限不清，存在抄襲與歸屬爭議。
• 知識分層：擁有算力的企業位於上層生成結果，大學研究者位於下沉等待公開，導致研究條件不公。
• 形式化證明的局限：Lean等形式化證明僅解決邏輯有效性，未解決數學價值（可能正確但無人能讀、未提煉新觀念）。
• 企業競爭壓力：若一家公司慢下來，競爭對手可能先公布結果，導致謹慎變成市場劣勢。

逐字稿辨識疑點

• Peter Scholze：逐字稿為「彼得蘇爾茨」，疑為菲爾茲獎得主Peter Scholze的音譯錯誤。
• Maryna Viazovska：逐字稿為「瑪麗娜·維亞佐夫斯卡」，音譯基本正確，但標準譯名通常為「瑪麗娜·維亞佐夫斯卡」或「瑪麗娜·維亞佐夫斯卡」。
• Nguyen Thanh Tam：逐字稿為「吳寶珠」，標準譯名通常為「Nguyen Thanh Tam」或「吳寶珠」，此處音譯正確。
• Caucher Birkar：逐字稿為「考切尔·比尔卡尔」，音譯基本正確。
• Artur Avila：逐字稿為「阿图尔·阿维拉」，音譯基本正確。
• Ling：文中提到「Openai公布纳维斯托克斯成果时，也把Ling版本作为可信度的重要支柱」，結合上下文「Lean形式化證明」，「Ling」極大可能是「Lean」的聽寫錯誤或打字錯誤，但依規則標為疑點。
• 2026年：文中多次提及2026年（如2026年9月11日、2026年2月等），若當前時間早於2026年，則為未來時間點或模型預測情境，保留原樣。
• 纳维斯托克斯：標準譯名通常為「納維-斯托克斯」（Navier-Stokes），逐字稿為「纳维斯托克斯」，保留原樣。
• 单位距离猜想：文中提及「平面单位距离有关的单位距离猜想」，數學中常見為「單位距離圖」（Unit Distance Graph）或相關猜想，此處表述略顯重複或特定，保留原樣。
• First Proof：文中提及「First Proof项目承认流程不够干净」，可能指某個具體項目名稱或泛指「第一個證明」，保留原樣。
• Methathon：文中先寫「Mathathon」，後寫「Methathon」，疑為同一活動名稱的拼寫不一致，保留原樣。

可延伸追問

• AI生成的「形式化證明」若無法被人類直觀理解，其數學價值如何評估？
• 在「發布冷卻期」內，若專家發現問題，責任歸屬如何界定？
• 公共機構建設獨立算力是否可行？資金來源與技術門檻為何？
• 數學教育如何平衡「使用AI檢查證明」與「訓練獨立思考能力」？
• 若AI成為「高倍顯微鏡」，數學家的工作內容將發生哪些具體轉變？