25位菲尔兹奖得主质疑AI数学竞赛
顶尖数学家把AI解题竞赛拉回研究秩序问题。
本文要点
- 从分散担忧，变成25位菲尔兹奖得主的公开联署声明。
- 从讨论模型能否解题，转向追问解题竞赛是否服务数学理解。
- 从数学圈内部讨论，扩散到HN和媒体同日关注的公共议题。
阅读辅助
先看数字、证据和来源，再读正文。
25位初始签署者均为菲尔兹奖得主。
2025-07-21 · Google DeepMind称Gemini Deep Think达到IMO金牌标准，AI数学竞赛叙事升温。
Terry Tao在9月11日发布了一份由25位菲尔兹奖得主初始联署的声明。它的分量超过普通博客评论，核心担忧也很窄很尖锐：当AI公司把解决重大数学问题当作能力benchmark时，这个目标可能与数学共同体追求理解、方法沉淀和人才训练的目标严重失配。
可以确认的事实集中在三个点。WordPress页面显示文章发表于2026年9月11日，Tao在开头说自己是25位initial signatories之一，且这些初始签署者all Fields Medallists。Tao还说声明来自签署者过去一周的讨论，并承认这次没有像Leiden declaration那样经过更充分的咨询过程；他的解释是情况紧急，因此需要sooner rather than later发布。HN同日出现两个相关讨论帖，其中指向MathAndAI页面的主贴达到500分以上和数百条评论，说明议题已经越过数学博客圈。
边界同样需要写在前面。此事仍属于一批顶尖数学家发起的公开声明，尚未成为官方监管动作，也不能代表“数学界全体共识”。The Economist报道入口被Tao提到，但页面抓取遇到Cloudflare挑战，本文不引用其不可读正文细节。MathAndAI根页只作为声明另设页面的背景提及，不放入结构化来源。
对AI从业者来说，这条新闻不应被读成“数学家反AI”。声明明确承认AI有潜力enhancing and accelerating genuine mathematical study and understanding。争议点在于，重大问题原本是共同体理解进展的路标；如果它被企业竞赛拆成“谁先给出真/假答案”，数学产出的社会功能、署名规则和训练过程都会被改变。
新闻事实和信源边界
Tao博文提供了今天的主事实链。开头段落写明，他是25位初始签署者之一，全部为菲尔兹奖得主；这份声明来自过去一周的讨论。紧接着，他说声明也发布在MathAndAI页面，并邀请更多人签署。他还把这次发布与Leiden declaration作比较：Tao承认这次没有时间做更咨询式的流程，但认为情势紧急，需要尽早发出声明。
声明正文的关键句更直接。它说，过去几个月LLM的数学能力dramatically improved，已经到了可以解决多个数学领域重大未解问题的程度；但AI公司推动用解决数学问题作为benchmark，会损害数学科学和数学共同体。声明把AI公司的目标与数学共同体目标描述为severely misaligned。
这套措辞要忠实保留时态和状态。Tao没有说监管机构已经介入，没有说所有数学家一致反对AI，也没有说AI辅助数学本身有害。英文原文的重心是“push by AI companies to solve mathematical problems as a benchmark is detrimental”，也就是反对把重大问题求解变成企业能力竞赛。它的正向空间同样明确：AI可以增强并加速真正的数学学习与理解，但效果取决于控制这些技术的人作出什么决定。
| 证据 | 能证明什么 | 不能证明什么 |
|---|---|---|
| Tao 9月11日博文 | 发布日期、25位初始签署者、过去一周讨论、紧急发布理由 | 数学界全体共识或监管生效 |
| 声明正文 | 反对把重大数学问题当AI公司benchmark | 反对所有AI辅助数学研究 |
| HN主贴与Tao帖 | 技术社区同日高热讨论 | 社区已经形成单一立场 |
| Economist入口 | Tao指向一篇同日媒体报道 | 本文未抓取正文，不承载核心事实 |
| DeepMind与Nemotron材料 | AI数学能力竞赛已有公开背景 | 9月11日声明的直接证据 |
这里还要区分两个“公开页面”。HN主贴链接指向MathAndAI根页，Tao博文则是可抓取、可核对的主源。用户能从MathAndAI页面看到声明的独立承载形式，但本稿不把这个根页放入sources或source_tiers，避免把站点首页型URL当作可核验文章页。
声明到底反对什么
声明反对的重点，是把数学问题当作AI公司之间的标靶，而非机器参与定理证明这件事本身。数学中的著名问题确实常常像路标：一个问题被解决，往往意味着新方法、新抽象或新视角已经成熟。声明担心的是，如果外部激励只奖励“先宣布答案”，就会把路标误当目的地。
数学共同体的传统过程慢得多。一个重大结果从猜想到证明，再到同行理解、讲座解释、细节修正、引用前人工作、简化写法、进入教材，通常需要长时间的人际协作。声明特别强调talks、discussions、simplifications和careful writeups，这些环节负责把数学知识变成公共资产。
AI公司看待重大问题的方式不同。公司需要可展示的突破和可比较的指标，benchmark天然偏好短期、可传播、可排名的结果。IMO金牌标准、重大猜想、形式化证明系统和自然语言证明生成，都很适合做成外部传播材料。Google DeepMind此前用Gemini Deep Think达到IMO金牌标准作公告主题，Nemotron论文也把30/42的IMO 2026成绩作为开放模型管线的关键指标。这些材料不证明声明本身，却解释了为什么数学家会把“benchmark化”视为现实压力。
声明最担心的后果是“true/false statements”的批量生产。一个系统如果高速吐出看似正确、甚至可形式化验证的结论，数学共同体仍要回答：谁理解了它，谁能解释它，谁负责审查，谁把方法写成学生可学习的形式，谁获得信用，哪些问题值得继续做。这些环节如果跟不上，结果越多，反而可能稀释真正能被人类吸收和延展的知识。
为什么是25位菲尔兹奖得主
菲尔兹奖不是数学界唯一荣誉，但它在公共传播中具有很强识别度。Tao列出的签署者包括Artur Avila、Manjul Bhargava、Pierre Deligne、Simon Donaldson、Hugo Duminil-Copin、Martin Hairer、June Huh、Maxim Kontsevich、Peter Scholze、Maryna Viazovska、Cédric Villani、Wendelin Werner等人。这个名单覆盖多个年代和方向，使声明具备高可见度。
也正因为签署者分量很高，更要避免把它写成“数学共同体已经表决”。Tao使用的是initial signatories，声明页面邀请更多签名，这说明它仍处于扩展阶段。它的新闻意义在于，一批拥有最高学术声望的人选择在9月11日公开把AI数学竞赛定义为共同体风险；它的组织效力、代表性和后续行动还需要继续观察。
HN讨论提供了一个有用的外部温度计。主贴高热，评论里既有支持者强调“结果不等于理解”，也有人提出反例：历史上难懂的人类证明同样可能触发讲座、论文、研讨和解释过程；如果AI给出可验证证明，或许也能引发新的共同体活动。还有评论把问题归因于学术奖励机制本身，而不只归因于AI公司。这些分歧说明，声明提出了一个真实议题，但答案并不简单。
AI数学竞赛的机制冲突
把数学问题变成AI benchmark，短期有明显好处。它让非专业读者理解模型推理能力，让研究团队有清晰目标，也能推动自然语言证明、形式化验证和搜索策略进步。对公司而言，“模型解决难题”比抽象安全评估或工具可靠性更容易传播。
冲突也来自同一个机制。数学共同体看重一个结果如何连接已有理论、是否打开新问题、是否能被同行独立消化、是否培养下一代研究者。企业竞赛则可能把注意力集中在可公布的终点：先解出、先验证、先展示。这会改变合作边界，尤其是当算力、数据、未公开草稿和私有通信都可能进入模型训练与搜索循环时。
还有一个信用分配问题。数学通常高度重视优先权、引用和可检查证明。AI系统如果在海量公开论文、私下交流和模型生成候选中找到结果，传统署名制度很难回答每个贡献来自哪里。声明没有给出完整制度方案，但它把问题从“模型厉不厉害”推到“知识如何被共同体承认和传承”。
这也是为什么“AI能帮助数学”与“AI公司解题竞赛有风险”并不矛盾。一个以研究者为中心的工具，可以帮助查文献、验证细节、探索例子、整理证明结构。一个以公司竞赛为中心的目标，则可能把最稀缺的注意力推向抢答重大问题。前者增强共同体过程，后者可能绕开共同体过程。
早报判断是，这份声明短期内未必能约束AI公司，但它已经给“数学benchmark”加上公共问题框架。过去AI公司喜欢用数学题证明推理能力，因为它看起来客观、稀缺、难作弊。Tao和签署者提醒的是，数学问题不是孤立测验，它背后有共同体、训练体系、写作传统和信用制度。
这会给模型公司带来一个新的叙事成本。以后再把重大数学问题作为发布会成果，不能只说模型得了多少分或证明了哪个命题，还要说明验证如何开放、相关数学家如何参与、已有工作如何归因、结果如何转化为可理解的知识。否则，越高级的数学演示越容易被视为对研究秩序的外部攫取。
但这份声明也不应被读成保守拒绝。它承认AI可以加速真正的数学理解，说明矛盾点在控制权和激励设计。更健康的路径，是让AI解题能力嵌入可审查、可署名、可教学的流程。对AI行业来说，这比单次benchmark更难，却也更接近长期价值。
接下来值得看什么
签署者名单是否扩展，是最容易观察的后续指标。如果声明从宣言变成更具体的制度建议，数学期刊可能要求披露AI辅助证明的使用方式，会议和预印本平台也可能建立AI生成证明的审查标签。
AI公司如何回应“benchmark失配”更关键。合理回应不能只强调模型准确率，还要解释重大数学问题求解如何服务共同体理解。可观察动作包括开放证明中间过程、邀请独立数学家提前审查、公开失败样本、保留完整引用链，以及把结果写成可教学材料。
形式化验证可能成为新的分歧点。机器可检查证明能提高正确性下限，但不自动生成概念理解。数学共同体接下来要讨论的是，Lean或其他证明助手给出的验证结果，如何与自然语言解释、讲座、教材和研究生训练连接起来。
社区讨论是否推向更广泛的知识劳动治理，也值得继续看。Tao声明末尾把数学问题放进其他科学和创意职业面对的alignment问题中。这个外延很关键：当AI系统能直接产出过去需要长期训练才能产出的成果时，社会必须重新区分“产物”“理解”和“人的成长”。数学只是最清晰、最早被公开点名的案例之一。
原文措辞核对
| 英文措辞 | 发布口径 | 边界说明 |
|---|---|---|
| 25 initial signatories | 25位初始签署者 | 全体数学家签署 |
| all Fields Medallists | 初始签署者全部为菲尔兹奖得主 | 数学界官方机构背书 |
| grew out of discussions over the last week | 来自过去一周讨论 | 长期正式协商后的决议 |
| urgency of the situation | Tao称形势紧急 | 已有监管紧急命令 |
| solve mathematical problems as a benchmark | 把解决数学问题当作benchmark | 反对AI辅助数学 |
| AI offers the potential of enhancing and accelerating | AI有增强和加速数学理解的潜力 | 声明否定AI在数学中的价值 |