加州大学洛杉矶分校的陶哲轩认为，AI可能开启“大数学”时代，让人类与机器协作解决复杂问题。作者回顾自身博士经历，指出AI能快速完成其应用数学研究，但纯数学难题仍需多年苦思，如今AI正迫使数学界重新思考根本性问题。

好的，这是根据您的要求，对原文主要内容进行的中文重述，已保留关键细节并删减了与主题无关的个人经历描述。

标题：人工智能正迫使数学界直面重大命题

加州大学洛杉矶分校的数学家陶哲轩认为，人工智能或将开启一个“大数学”时代，在这个时代，人类与机器将协同攻克复杂问题。

长期以来，数学的探索过程变化甚微：数学家们通过直觉发现数字、形状或逻辑结构中的联系与模式，提出猜想，再运用逻辑推理和创造性工具去证明或证伪这些猜想，最后由同行进行验证。这个过程需要大量的思考时间，而正是这种漫长求索带来的顿悟与理解，构成了数学家们获得乐趣、满足感和意义的核心。

然而，当前的人工智能系统正开始绕过这一缓慢、审慎的过程。如果这一趋势发展到极致，当AI使数学家的艰苦求索变得不再必要时，人类是否会被彻底边缘化？

AI在数学领域日益增长的角色

数十年来，计算一直在加速数学的进步，从50年前计算机辅助证明四色定理便已开始。但在此过程中，人类数学家始终扮演核心角色：提出猜想、设计证明策略并验证其正确性。

如今，AI正在挑战这一格局。大型语言模型已从只能复述基础数学的“随机鹦鹉”，进化为高级的数学推理机器。去年，谷歌DeepMind和OpenAI的系统在国际数学奥林匹克竞赛中达到了金牌水平。今年早些时候，DeepMind的实验性AI系统Aletheia自主生成了可发表的博士级研究成果，展现了处理未解难题的复杂推理能力。最近，OpenAI的一个通用AI系统还推翻了一个重要的组合几何猜想，其成果被认为达到了顶级数学期刊的发表水准，被顶尖数学家誉为AI在数学领域的里程碑。

另一个转变来自将大语言模型与“证明助手”这类数学工具相结合。这些系统能逐步检查数学证明的逻辑正确性。过去，数学家需要手动将定理和证明翻译成机器可读的格式，过程繁琐。现在，大语言模型正开始自动化这一过程。例如，今年2月，AI公司Math, Inc.的推理智能体“高斯”在几天内帮助人类数学家完成了对菲尔兹奖得主维亚佐夫斯卡关于8维球体堆积问题证明的形式化，并在两周内自主完成了更复杂的24维情况的形式化。这些成就表明，AI已能处理一些曾被认为人类独有的数学任务。

数学家对AI在发现中角色的辩论

在2025年9月的海德堡桂冠论坛上，AI成为主导话题，现场气氛紧张。有演讲者描绘了超人类AI数学家无需人类参与即可完成猜想、证明和验证的未来。伦敦数学科学研究所的杨-辉·何形象地指出，届时人类数学家可能沦为“神谕的祭司”。这种预测让在场许多年轻数学家感到不安，他们意识到AI有取代他们的潜力。

对于AI接管人类数学家的工作，一些资深数学家似乎持开放态度，因为他们只关心能否得到数学重大问题的答案。但更多数学家并不希望或期待AI完全取代他们。取而代之的是两种主流愿景：一是以人类为中心，将AI视为工具；二是人机协作，共同解决任何一方都无法单独应对的问题。

人类在数学中的角色

菲尔兹奖得主、普林斯顿大学的阿克沙伊·文卡泰什认为，问题不仅在于计算机能做什么，更在于数学的目的是什么。数学是一种让人类达成共识的方式。渥太华大学的玛雅·弗雷泽强调，数学带来的乐趣是独特的人类体验，它融合了潜意识和意识。她认为，AI对猜想的证明只有在能被人类理解时才有用，而寻找优美、优雅的人类证明本身仍是一项有价值的努力。

AI与数学协作的未来

陶哲轩则持更协作的态度。他将AI视为推动学科根本性变革的催化剂，即迈向“大数学”时代。他设想未来人类与机器进行大规模、去中心化的协作，人类负责创造性部分，AI承担大部分技术性“苦力”。他已在实践中探索这一概念，与众多在线合作者（其中一些使用AI工具）共同解决问题。陶哲轩认为，通过证明助手进行形式化验证是关键，它能消除人为错误，并基于验证而非声誉建立信任，从而改变协作方式。

AI在数学领域的风险

数学家们普遍认同AI有潜力改变他们的学科，但对这种改变的实际意义缺乏共识。有人担心AI工具的获取门槛会导致数学成为精英活动；也有人担忧，随着AI承担更多工作，数学家深入钻研难题的动力会减弱，下一代数学家可能因跳过艰苦思考而患上“智力萎缩”，无法跳出AI的思维框架。

面对这些担忧，数学界正在积极行动，通过撰写文章、组织研讨会、在期刊辩论以及制定研究出版指南等方式，努力在AI时代保持对数学发展方向的控制。

那么，AI是否正在抽走数学的灵魂？从某种意义上说，它恰恰相反。它正迫使数学家直面关于数学本质、他们为何投身其中以及数学在社会中目的等深层问题。与此同时，它也在以一种可能难以逆转的方式重塑数学实践。

根据评论内容，总结如下主要观点及论据：

1. AI在数学中的角色：工具、合作者还是预言家？ - 评论认为AI可同时扮演多种角色，但核心在于人类能否理解其输出。若AI能提供无法理解但可用的结果，则具有实用价值（评论2）。 - 引用："If mathematics is human understanding of logical consequences, understanding is the priority. But if AI proves something we can't understand but can utilize, that is a different sort of useful."（评论2）

2. AI证明的可靠性问题：人类仍是最终裁判 - 多数评论强调AI生成的证明可能包含微妙错误或未经验证的假设，最终仍需人类数学家验证（评论3、6）。 - 引用："An AI can produce a convincing looking proof, but it can have a subtle but critical error or make an assumption that is unfounded. Thus, it ultimately comes down to humans."（评论3） - "One hallucination in 300 steps of logic is enough to destroy the entire proof."（评论6）

3. 理解与验证的困境：从计算机辅助到“证明的证明” - 评论指出，即使AI生成形式化证明，若缺乏可理解的接口，人类仍难以信任。这可能导致“为证明写证明”的无限递归（评论7、12）。 - 引用："Who in their right mind would merge a 200,000-line unaudited vibe-coded blob into the master branch of global human science?"（评论7） - "Eventually, it feels like we're heading into an era of proofs for proofs."（评论12）

4. 数学本质的争议：发现还是创造？ - 有评论认为数学是发现而非创造，AI作为工具可降低发现门槛，但不应改变数学的客观性（评论8）。 - 引用："Much can be resolved when it is understood math is discovered not created. AI is a tool. if it makes discovery or proof easier that is still mathematics."（评论8）

5. 权力与资源集中化风险 - 评论担忧AI工具的高昂成本可能导致数学研究精英化，只有少数机构能使用专有模型，加剧不平等（评论11）。 - 引用："mathematics could become an elitist activity, only practiced by select organizations that can afford to work with proprietary AI models."（评论11）

6. 历史视角：计算机辅助证明的长期争议 - 评论回顾自1976年四色定理证明以来，计算机辅助数学一直存在争议，核心在于“理解”与“结果”的平衡（评论4、5）。 - 引用："It is nice to know that the computer understands the problem, but I would like to understand the problem, too."（评论4，引用Wigner）

平衡性说明： - 支持AI的评论（如评论2、8）强调其工具价值和发现潜力。 - 质疑AI的评论（如评论3、6、7）聚焦可靠性、可理解性和资源分配问题。 - 中立评论（如评论4、5）从历史角度指出争议的持续性，并探讨数学本质。