当AI攻陷纯数学：科学研究正在迎来转折点
2000年，法国数学家阿兰·孔涅（Alain Connes）曾笃定地表示，千禧年大奖难题（Millennium Prize Problems）对计算机而言是“绝对无法触及的”。然而这一共识已被打破：
88小时与719篇论文的震动
9月初，OpenAI声称其内部模型攻克了千禧年大奖难题之一——涉及流体运动的纳维-斯托克斯存在性与光滑性问题（Navier-Stokes problem）。人类数学家苦思至少一个世纪的难题，AI仅用 88小时 破解。
紧接着，康涅狄格大学数学家阿尔瓦罗·洛萨诺-罗夫莱多（Álvaro Lozano-Robledo）口中“数学史上最重要的一天”到来：OpenAI一口气发布了 719 篇论文，详细记录了同一模型对至少 372 个长期未解开放性问题 的证明方案。
学界的恐慌：从“震撼”到“被绝育”
这一连串突破并未换来全行业的欢呼，反而引发了数学界的深层震荡：
- 2022年菲尔兹奖得主乌戈·迪米尼-科潘（Hugo Duminil-Copin）直言自己“被彻底吓懵（paralysed）”。
- 迪米尼-科潘联同包括27位菲尔兹奖得主在内的8000多名学者签署声明，直指这是**“AI在数学领域的严重对齐失准”**。
- 菲尔兹奖得主马丁·海尔（Martin Hairer）警告：若任其发展，AI将使这门学科**“彻底丧失生机与创造力（sterilise the field）”**。
阻力何在？没有洞见的答案是“弗兰肯斯坦”
数学家的担忧并非单纯出自职业防御，其核心矛盾在于：
- 探索过程重于结果： 攻克未解之谜的真正价值，往往在于催生全新的理论和工具（例如16世纪曾被视为“毫无用处”的虚数，如今却构成了量子物理与电气工程的基础）。
- 缺乏可解释性与原创性： 马德里CUNEF大学数学家路易斯·马丁内斯-佐罗亚（Luis Martínez-Zoroa）指出，AI写出的长达166页的纳维-斯托克斯问题论文“像是一个拼凑了不同研究碎片的科学怪人（Frankenstein）”，充斥着晦涩的过程，却没有带来新的研究路径或启发性思想。
蔓延至整个自然科学的连锁反应
数学并非唯一受到冲击的学科：
- 理论物理沦陷： 剑桥大学大卫·汤（David Tong）表示，仅用几个月时间，用大语言模型辅助物理计算已成常态；Anthropic旗下的Claude也已在粒子间相互作用计算上突破了研究前沿。
- 研究同质化加剧： 芝加哥大学詹姆斯·埃文斯（James Evans）团队对4130万篇论文的分析显示，AI虽然提升了学者个人的发文量和引用率，却导致研究课题的多样性缩减了近 5%，科学家之间的思想互动减少了 22%。Google针对600多位科学家的调查亦显示，近半数学者倾向于用AI做保守、短周期的发论文项目，仅28%用于开拓性探索。
科学家的未来：从探索者沦为“论文考古学家”？
伦敦国王学院的埃克托·泽尼尔（Hector Zenil）描绘了一个由AI与机器人构成的“自主科学闭环”——从提出假设、自动实验到评估迭代，整个研究链条可能彻底脱离人类理解力。届时，人类科学家的角色将被降级为“考古学家”：只能跟在AI的发现后面，试图逆向复原机器究竟是如何得出结论的。
尽管数学家眼下不会立刻失业——检验AI那晦涩复杂的证明依然需要海量人类劳动，且AI至今难以像发明虚数那样实现真正的从无到有；但不可否认，低估AI潜力的代价已然显现，人类科学正步入前所未有的陌生领域。