# 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）。
2.  **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。
3.  **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？