登录
陶哲轩呼吁"放缓AI"，不是呼吁停下AI。这位自2023年起就把AI嵌进研究日常的菲尔兹奖得主，质疑的从来不是AI的能力，而是能力狂奔的速度和动机：生成答案与机器验证两个环节正在狂飙，人类的理解、消化与教学几乎原地踏步，而建立在"证明稀缺"之上的整座数学制度，已经没有规则可循。在9月下旬的Science x AI峰会演讲中他直言：这是极度非线性的动力学，“我们必须减速AI”，这节奏太疯狂，完全没有理由要这么快。小红书
喊停的人，曾经最挺AI
陶哲轩在这个领域不是局外人。自2023年以来，他一直在试验OpenAI的模型，并将AI用于辅助计算、编写代码、检索大量文献和构思研究思路。 2026年3月，他在IPAM会议上公开呼吁同行别太死板，称当前AI在数学和理论物理领域已经"ready for primetime"。 更早的采访里他还说，未来连初中生都能借助AI加Lean对数学前沿做出贡献。知乎知乎
转折有清晰的时间线。当地时间9月11日，陶哲轩、邓煜等25位菲尔兹奖得主发表联合声明，警告AI把"快速解题"当基准的做法，与数学研究目标严重错位。 10月6日晚，OpenAI往GitHub上扔了个仓库，里面是压缩成372个结果族的大批数学手稿。 第二天，陶哲轩在博客转发"人类数学协会"的决裂声明：强烈敦促所有数学家停止与OpenAI合作，重回以人类理解为核心的科学愿景。界面新闻知乎微博
他对《纽约时报》记者说，现在已经没有规则可言了，自己大部分时间都在协调数学界的应对，而不是做数学。 对这批成果，他的措辞毫不客气：曾称其即将发布时为"有毒废物"，发布后又改口为"或许经过处理的废物"。知乎
放缓在说什么：答案过剩，理解赤字
更直接的瓶颈指标是他自己的阅读进度：陶哲轩说，OpenAI公开的三百来项AI数学结果，他自己只看了大约10篇；同一周Anthropic在官方材料里写道，人的时间和注意力是稀缺资源。 他呼吁放缓的理由，藏在他的比喻里：开放问题像灯塔——人们出海不是为了去灯塔本身，而是它照亮了周围整个景观，让人能安全航行。 真正珍贵的工具、框架和洞见，只在解题"沿途"产生。他把证明的完整生命周期拆成生成解答、形式化验证、理解、消化、教科书五个环节：AI在前两环狂飙，后三环几乎零进展。知乎知乎小红书
这就像20世纪初的交通状况：原有的街道是为行人和马车设计的，汽车突然被发明并直接涌入同一条街道，结果造成了全面的拥堵与瘫痪，他称之为Proof Indigestion（证明消化不良）。知乎
在《人工智能时代的数学》长文里，他把问题说得更严：一份经过形式化验证的证明，如果没有任何人能充分理解它并向别人解释清楚，就无法进入数学共同体——而埃尔德什问题集已收到数十份AI证明投稿，多数没有人类专家愿意为其正确性背书。知乎
值得注意的是，他并不否认AI的能力：独立评估项目First Proof的受控测试中，十道从未公开的研究级难题里，有七道至少获得了一套AI系统给出的合格解答，而每题成本仅约数十至数百美元。 他要讨论的是能力之外的正交问题：当答案变得廉价，数学还要不要理解？他给出的诊断机制是古德哈特定律：指标一旦成为优化目标，就不再是好指标。知乎
两个远期风险：创造力与数据生态
第一是创造力断层：新方向往往诞生于漫长摸索的偶然发现和编写教材时的查漏补缺，AI直接跳到答案，抹掉了这种漫步式探索的副产品；而洞见不可验证、刷不了分，很难被当作训练目标。第二是数据污染：今天AI的数学能力，吃的是人类几百年反复打磨的高质量文献；如果学术界充斥人类看不懂的AI证明，再让下一代AI去吃这些数据训练，会发生什么？没人知道。 受冲击最大的是刚入行的人：陶哲轩形容这就像听过电影剧透或看到填字游戏的答案，再也回不到原先探索未知的状态。 他25岁的博士生戈德曼，就在这种"随时可能过时"的阴影里继续推进论文。而哈佛数学界9月关于博士教育的报告草案，建议把评价重心移向现场答辩和口头阐释——这与陶哲轩眼下做的事完全同向。知乎知乎
终点不是禁令：改写规则
他的正面主张被概括为Math 2.0：淡化"攻克重大难题"这单一贡献指标。在加州理工的演讲里他抛出思想实验：一个黑盒AI设计的抗癌药通过了三期临床，但没人明白机理，人类用不用？那页幻灯片的风险公式是：强大的优化能力加上人类的理解不足等于目标错配风险。 他给出的动作同样具体：9月18日，其参与创立的SAIR基金会启动"开放数学模型计划"，规矩是未经研究者明确同意、没有约定用途的数据，不应直接进入训练集。 博客评论区里，3Blue1Brown创始人Grant Sanderson补位：数学的目标从来不只是证明，而是增进人类理解——AI能生成证明，却没有理解。知乎知乎微博
OpenAI的回应则划清了边界：成立设在普林斯顿高等研究院的"数学与人工智能顾问小组"，成员包括Witten、Gowers等顶级学者，但声明白纸黑字写明，该小组不负责就数学上的内部进展提供建议。 发布节奏并未因此放缓：10月18日，"AI再破广义黎曼猜想"的消息又冲上了热榜。知乎36氪
所以，"放缓"真正押注的是时间：让验证、评价与教育体系追上答案的生产速度。接下来值得盯住的信号有三个——372个结果族里有多少拿到人类专家的签字背书；纳维–斯托克斯证明能否在独立复核后真正进入数学共同体；博士评价改革会不会从哈佛扩散开去。答案在狂奔，理解还在学习过马路，而陶哲轩想做的，是给后者的那部分补上几秒钟绿灯。
