陶哲轩：从证明稀缺到证明过剩，数学正在迎来一场百年危机
陶哲轩谈的并不是AI能不能做数学，而是一个更根本的问题：如果AI能够低成本、大批量地产出研究级证明，数学界原有的价值标准还是否成立。
一百年前，数学危机追问的是逻辑基础是否可靠。今天可能出现的新危机，动摇的不是公理体系，而是数学共同体对于什么值得做、什么算作成果、谁应该获得认可的共识。
先把能力争论放到一边
关于AI数学能力的公开讨论，常常混杂立场、情绪和商业利益。陶哲轩没有继续争论AI究竟“行不行”，而是提出了一个工作假设：暂且假定AI很快能以合理成本和质量，完成相当比例的研究级数学任务，再推演数学会发生什么变化。
这个处理方式很重要。一个判断是否为真，和人们是否希望它为真，是两回事。与其纠缠预测，不如提前研究后果。
演讲引用了独立评测 First Proof 的结果：在受控条件下，四套AI系统面对10道全新的研究级问题，解出了7道达到“可发表质量”的题目，单题算力成本为10至1000美元。陶哲轩同时提醒，市场上大量相关证据缺少受控条件，也经常不披露成本，因此不能轻率外推。
但只要上述工作假设有相当概率成立，数学家就不能再回避一个过去可以留给人文学科的问题：数学研究究竟为了什么？
解题从来不是数学的全部
数学研究有很多目标：解决未解问题，发展理论，理解世界，创造具有审美价值的作品，建设共同体，培养下一代。
过去这些目标高度相关。解决一个重要问题，往往同时推动理论发展、训练年轻学者并凝聚一个研究共同体。因此，数学界可以把“率先完成证明”当作核心指标，其他价值通常会随之产生。
AI可能切断这种绑定关系。
陶哲轩借用古德哈特定律说明其中的风险：当一个度量变成目标，它便不再是一个好的度量。生成式AI能够猛烈优化明确指标，商业公司也有动力展示可以计数的成果。越容易量化的环节，越可能被过度生产；越难量化但真正重要的环节，反而越容易被忽视。
一份证明要经过五道工序
如果把目标简单定义为“解决尽可能多的未解问题”，首先得到的可能是大量错误证明。因此，成果还必须得到验证。
但机器验证通过也不够。一个超长证明即使形式上正确，如果没有人真正理解，也无法讲清楚它为什么成立，它对数学共同体的价值仍然有限。
于是还要加入清晰表述。当前AI生成的数学文本可以在拼写、语法和排版上近乎完美，却可能在琐碎之处过度解释，在关键难点上一带而过。更隐蔽的问题是，它会把证明打磨得过于顺滑，让难点和易点看起来毫无差别。读者读时感觉明白，读完却没有形成理解。
我认同陶哲轩在这里提出的反直觉判断：人类表达中的阻力和瑕疵，有时正是学习的一部分。被卡住、反复推敲、意识到哪里最难，这些经历帮助知识真正进入人的头脑。
清晰表述之后，还要经过共同体的消化和接受。编辑、审稿人和同行必须判断成果的重要性，把它与已有知识连接起来，并在后续研究中使用它。这项工作声望不高，速度也不快，却是个人成果转化为集体进步的必经通道。
最后，重要成果还要进入教科书和下一代的知识体系。陶哲轩把这一步称为“正典化”。它需要共同体逐渐形成共识，是最慢、也最难由AI单方面加速的环节。
这样看，一项数学成果的完整链条不是“生成证明”，而是生成、验证、表述、发表和正典化。
真正的瓶颈是消化能力
当AI显著提高第一道工序的产能，后续环节未必同步加速。证明会堆积着等待验证，已验证的证明等待人类能够理解的表述，稿件淹没同行评审，发表后的成果又来不及被整理进公认的理论体系。
陶哲轩把这种现象称为“证明消化不良”，其本质是各环节之间的阻抗失配。
数学由此可能从“证明稀缺”进入“证明过剩”。几千年来，数学的声誉和奖励机制都建立在证明稀缺的前提上，第一个解决问题的人获得主要荣誉，是一套自然的制度安排。当证明可以批量生成，稀缺资源就变了。
未来真正稀缺的，可能不再是得到一个答案，而是判断什么问题值得解决，理解一个证明为何重要，把它清楚地讲给别人，并将零散成果组织成共同体能够使用的知识。
责任不能交给AI
陶哲轩提出的第一项原则是披露AI使用。最坏的局面不是大家使用AI，而是人人都在使用，却因为担心同行评价而集体隐瞒。只有披露成为常态，共同体才能建立可靠的责任边界。
第二项原则，是降低“第一个解出”的权重，提高消化工作的地位。表述、评审、整理和教学过去常被当作二等工作，但在证明过剩的环境里，它们将成为最重要的生产能力。
更硬的边界是：即使成果由AI协助完成，正确性、引用和归属责任仍然属于人类作者。如果作者不能以专家水平清楚、正确地报告成果，也不能证明自己真正理解它，就不应该发表。
这条标准并不排斥AI，而是在重新定义作者身份。作者不能只是发起一次生成任务的人，必须是能够对成果承担完整知识责任的人。
数学界要自己制定规则
陶哲轩并不主张拒绝AI。他本人在演讲材料中披露，使用了AI进行文本补全和图表生成。他所示范的态度是：可以使用，不应隐瞒，但规则不能由工具公司替数学共同体决定。
不同场景也不能采用同一尺度。研究辅助工具可以积极探索；教育、人才培养、招聘、经费申请和公众传播，则需要更谨慎地保护属人的判断与成长过程。尤其在教育中，如果AI替学生消除了所有阻力，也可能同时消除了形成理解的过程。
我认为，这场讨论的意义超出了数学。任何知识行业一旦获得近乎无限的内容生成能力，瓶颈都会从“生产更多”转向“验证、理解、筛选和形成共识”。如果评价制度仍奖励产量，AI只会把旧指标的缺陷迅速放大。
AI带来的真正挑战，不是机器能否给出答案，而是人类是否有能力重新判断：哪些答案值得进入我们的共同知识。