陶哲轩在菲尔兹颁奖现场：数学迎来百年新危机

菲尔兹奖得主拉响红色警报：从“证明稀缺”到“证明过剩”

2026年，在菲尔兹奖颁奖现场及相关论坛上，陶哲轩多次发出尖锐警告。他指出，数学界正经历一场根本性范式转移：过去几千年，人类一直面临“证明稀缺”——数学家穷尽一生或许只能攻克几个大问题。但如今，以Lean为代表的形式化验证工具和大型语言模型（LLM）能在十几分钟内写出博士论文级别的数学证明，并生成海量正确但毫无价值的“垃圾证明”。陶哲轩将这一状态称为“证明过剩”，并认为这正成为数学学科最致命的慢性病。

正确却无效：AI证明的“灵魂缺失”与消化困境

陶哲轩在演讲中区分了证明的三个阶段：生成、验证与消化。AI在生成和验证环节已展现出惊人效率，但“消化”环节——即理解证明背后的思想、动机、联系，并将其融入人类知识体系——完全依赖人类大脑。AI生成的证明往往缺乏“隐性目标”（如为什么选择这个引理、这个证明揭示了什么更深的规律），仅仅满足“显性目标”（推出结论）。这导致数学界陷入“消化不良”：堆积如山的正确证明无人能懂、无人愿读，更无人能从中提炼出新的数学洞察。陶哲轩直言：“人类数学家正在成为知识体系的瓶颈。”

激励缺口与“Talk指标”：谁来打扫AI留下的战场？

当前的学术评价体系严重偏向于“提出新定理”而非“整理旧证明”。陶哲轩指出，大量AI生成的证明工作繁琐、枯燥且缺乏荣誉，没有任何机构愿意奖励“打扫战场的清洁工”。为了解决这个问题，他提出了一个非正式的新指标——“Talk指标”：衡量一个数学成果是否值得被记录，取决于它是否能在学术会议上被讲清楚、被同行理解并激发讨论。如果一个证明只能被AI验证却无人能在黑板上讲出核心思想，那么它就不具备真正的数学价值。这一观点引发了学界对传统评价标准的激烈辩论。

数学基础设施大重构：给AI建“高速公路”，给人类留“步行街”

陶哲轩借用城市规划理论，描绘了未来数学的协作蓝图。他主张必须重构数学基础设施：将AI擅长的、机械化的证明与计算任务划归为“高速公路”——让AI在这些领域高速狂奔，自动生成并验证海量结果；而人类数学家则应该集中精力在“步行街”上漫步——专注于洞察、直觉、概念创新和跨领域连接。他本人参与的“方程理论项目”正是这一理念的实验：利用AI自动完成了2200万个证明，但核心的结构设计、问题筛选和结果解读仍由人类主导。陶哲轩强调，未来的数学教育也必须彻底变革：别再教学生如何“算对”，而要教他们如何“编排”——如何为AI设计问题、如何组织证明链、如何判断一个AI输出的数学价值。

人机协作的终极考验：信任体系与形式化验证的边界

尽管Lean等工具能保证证明的绝对逻辑正确，但陶哲轩指出，数学比其他科学更难拥抱自动化，因为数学的信任体系建立在“可理解性”之上。一个被AI证明但对人类大脑而言像“黑箱”的定理，会动摇整个数学共同体的交流基础。他警示，人类反馈强化学习（RLHF）在数学领域几乎无效——因为数学证明的“好”与“坏”并非来自人类偏好，而是来自逻辑真理与数学价值的复杂交织。未来数学的出路不在于更快的AI，而在于设计一套全新的人机协作体系：让AI承担“苦力”，让人脑负责“灵魂”，而数学本身，将在这场危机中焕发出比计算更光辉的智慧光芒。