外地时间 7 月 24 日，，，，菲尔兹奖得主陶哲轩（Terrence Tao）在美国费城举行的 2026 年国际数学家大会（ICM）上揭晓公众演讲，，，，题为《人工智能时代的数学》（Mathematics in the age of AI）。。 。
他没有从 AI 又解决了哪一道数学难题讲起，，，，而是把时间拨回到 20 世纪初。。 。
在陶哲轩看来，，，，20世纪初，，，，陪同着罗素悖论、哥德尔不完整定理等一系列发明，，，，数学家被迫重新审阅荟萃、无限、正义等最基础的问题。。 。这场被称为“数学基础危唬；；； ；钡耐纺哉鸬矗，，，一度引发强烈争论，，，，却最终推动数学建设起越发严密、统一的现代基础系统。。 。
现在天，，，，随着 AI 最先加入数学研究，，，，数学或许再次站在一个类似的历史节点。。 。差别的是，，，，这一次受到挑战的，，，，不再是数学理论的基础。 。，，，而是数学配合体恒久默认的研究方式和价值系统：什么才算一项真正完成的效果？ ？？？数学研究的目的，，，，是尽可能证实更多定理，，，，照旧资助人类建设更深刻的明确？ ？？？
图 ｜ 大会现场。 。ㄈ矗篨）
只管陶哲轩并没有在演讲中直接使用“工业化”来形容数学的未来，，，，但他描绘的图景已经泛起出鲜明的工业特征：数学知识将从稀缺走向丰裕，，，，研究流程被拆解为天生、验证、诠释、评审和知识整合等多个环节，，，，人类与 AI 也将在其中重新分工。。 。当证实越来越容易获得，，，，真正稀缺的，，，，应该是是提出问题、明确问题，，，，以及组织知识的能力。。 。
（阻止发稿，，，，演讲视频尚未上线，，，，本文主要依据陶哲轩会后宣布的 52 页演讲幻灯片举行整明确读。。 。）
真正的问题，，，，已经不是 AI 会不会做数学
在演讲一最先，，，，陶哲轩提出了一个“AI 能力意料”（AI Capability Conjecture）：未来，，，，AI 可能在可接受的本钱和一定水平的人类监视下，，，，完成部分研究级数学事情。。 。至于它能处理哪些问题、需要几多人工加入、抵达怎样的准确率和效果质量，，，，都可以有差别设定，，，，因此这一意料也有强弱之分。。 。
若是连最弱的版本都无法实现，，，，数学界大可以延续原有的研究方式；；；；； ；若是较强版本成为现实，，，，尤其当数学配合体仍把“尽可能多地解决未解问题”放在首位，，，，现有的文化、评价系统和研究实践都将受到攻击。。 。
陶哲轩真正体贴的，，，，是这种转变会把数学带向那里。。 。他在幻灯片中明确说明，，，，这场演讲无意判断“AI能力意料”是否建设，，，，而是请听众先接受一个事情假设（Working Hypothesis）：假设 AI 很快能够以可接受的本钱和监视，，，，肩负相当一部分研究级数学使命，，，，数学配合体该怎样应对？ ？？？整场演讲由此睁开，，，，重点落在能力提升之后的制度与价值问题。。 。
至于 AI 是否已经靠近这一阶段，，，，陶哲轩引用了一项自己加入提倡的最新评测项目First Proof作为配景。。 。
今年 5 月尾，，，，First Proof 在严酷控制的条件下测试了四套 AI 数学系统。。 。10 道此前从未果真的新题所有来自真实研究历程，，，，由相关领域专家凭证学术期刊的审稿标准，，，，对解答的准确性和论文表述举行评估。。 。效果显示，，，，四套 AI 系总共在 10 道题中乐成解决了 7 道，，，，每道题至少有一份解答抵达学术期刊揭晓水平，，，，单题盘算本钱约为 10 至 1000 美元。。 。
（泉源：陶哲轩）
但这项评测中也袒露出了 AI 的局限。。 。虽然它已经能够完成研究级证实，，，，却仍会泛起引用过失、诠释缺乏等简朴过失。。 。在先容 First Proof 之前，，，，陶哲轩还特意提醒，，，，目今许多关于 AI 数学能力的果真案例都保存报告误差（reporting bias），，，，算力投入、人工加入和失败案例等要害变量往往没有完整披露，，，，因此现有质料还缺乏以支持稳固判断。。 。
这不禁让人遐想到在 ICM 开幕前几天，，，，数学界还爆发了一个引发热议的事务。。 。7 月 20 日，，，，Anthropic 数学家 Levent Alp?ge 宣布了一个由 Claude Fable 5 加入发明的雅可比意料三维反例。。 。随后，，，，研究者使用 Isabelle/HOL 完成了形式化验证，，，，确认这一反例建设。。 。
图 ｜Levent Alp?ge （泉源：Quanta Magazine）
证实很快获得了验证，，，，但新的问题随之泛起：它为什么建设？ ？？？这样的结构是怎样想到的？ ？？？
第二天，，，，陶哲轩在个人博客揭晓长文，，，，对这一反例举行了详细解读。。 。他不止停留在验证效果，，，，而是一步步还原其背后的几何结构，，，，诠释它为什么建设，，，，以及它与已有理论之间的联系。。 。
某种意义上，，，，这正是他在 ICM 想讨论的事情。。 。当机械越来越擅永天生和验证证实之后，，，，人类数学家的事情不会随之竣事，，，，而是转向另一件同样主要的事情：诠释证实、组织知识，，，，并资助数学配合体真正明确这些效果。。 。
而要明确这种转变，，，，就必需先回覆一个更基础的问题：数学配合体事实希望数学研究实现什么？ ？？？
从“证实稀缺”走向“证实过剩”
在陶哲轩看来，，，，数学研究历来不但有“解出更多问题”这一个目的。。 。它同时肩负着许多差别的使命：解决未解问题、生长新理论、明确天下、建设配合体、作育下一代数学家、扩展共享知识，，，，以及创立具有长期审美价值的作品。。 。
已往，，，，这些目的概略是正相关的。。 。解决主要问题往往意味着生长新理论；；；；； ；寻找证实的历程，，，，也会作育年轻数学家、富厚数学配合体。。 。因此，，，，“解出了几多问题”“谁最先证实”，，，，在相当长时间里都可以近似代表更重大的学术价值。。 。
但 AI 可能即将突破这种关系。。 。
陶哲轩借用了经济学中的古德哈特定律（Goodhart's Law）：当一个指标成为优化目的，，，，它就不再是一个好的指标。。 。天生式 AI 缺少现实天下的约束，，，，AI 公司又有展示模子能力的动力，，，，因此尤其容易把“解出更大都学问题”这一指标推向极致。。 。
图｜古德哈特定律：优化指标，，，，不即是实现目的。。 。（泉源：Image 2）
为了说明这一点，，，，陶哲轩在演讲中围绕“一个数学问题事实何时才算真正解决”睁开了五层递进的讨论。。 。
在最初，，，，数学家们的目的只是“尽可能多地解决未解问题“。。 。但这样的标准很容易爆发大宗过失证实，，，，于是第二层需要加入验证（verification）。。 。
不过，，，，随着 AI和自动形式化（autoformalization）的生长，，，，证实天生（proof generation）和证实验证（proof verification）都在迅速加速。。 。Rocq、HOL、Lean 等证实助理已经能够逐步检查形式化证实。。 。但新的问题也随之泛起：若是机械天生了一份已经通过验证、却没有任何人真正明确的证实，，，，它是否意味着这个数学问题已经真正解决？ ？？？
陶哲轩给出的谜底是否认的。。 。因此，，，，第三层进一步加入了阐释（proof exposition）：证实不但要准确，，，，还需要有人诠释它为什么建设、有什么意义。。 。而若是再往上一层，，，，效果不止停留在个人，，，，还需要获得数学配合体的认可，，，，其他研究者不但确认结论准确，，，，也能够明确其中的要领，，，，并将其应用到新的研究中。。 。最后，，，，它还需要进入标准理论、课本和数学配合体共享的知识系统，，，，成为厥后者继续生长的基础。。 。
一条完整的知识链泛起了：开放问题首先酿成未经核验的证实，，，，再经由验证、阐释、偕行接受和知识整合，，，，最终才成为稳固的数学知识。。 。
图 ｜陶哲轩提出“数学问题真正解决”的五层目的（泉源：陶哲轩）
AI 可以大幅提高这条知识链前端的生产效率，，，，却无法自动扩建后端。。 。期待验证、阐释和整理的证实会越来越多，，，，论文一直挤压偕行评审系统；；；；； ；纵然最终揭晓，，，，数学界也未必有足够的人力和时间，，，，把这些效果真正吸收、消化，，，，并整合进成熟的理论框架。。 。
陶哲轩把这种错配比作一种“证实的消化不良”（proof indigestion）。。 。数学或许将从一个证实稀缺的时代，，，，进入一个证实过剩的时代。。 。
这也延续了他近几年的判断。。 。2023 年 6 月，，，，陶哲轩曾展望，，，，把大语言模子与形式化验证、检索和符号盘算连系之后，，，，2026 年左右，，，，AI 有望成为数学研究中值得信任的相助者。。 。其时，，，，他紧接着追问的就是：期刊、引用规则和研究生作育系统，，，，该怎样顺应这样的转变。。 。
到了 2026 年 6 月，，，，他进一步提出了“Big Mathematics（大数学）”的看法：未来重大的数学研究将被拆分成大宗子使命，，，，由漫衍式的人机协作网络配合完成；；；；； ；人类更多认真提出问题、设计偏向和创立性事情，，，，AI 则肩负证实天生、形式化验证等手艺性使命。。 。
而这次 ICM 演讲，，，，则把他的思索又向前推进了一步。。 。真正的瓶颈，，，，已经不再只是怎样生产更多证实，，，，而是怎样验证、明确、撒播并消化这些证实。。 。数学未来需要建设的，，，，不但是更强盛的“证实工厂”，，，，更是一套能够支持质量控制、偕行评审、知识整理和配合体传承的新系统。。 。
谜底准确，，，，还远远不敷
现在的 AI，，，，已经可以天生语法、拼写和名堂险些无可挑剔的数学文本。。 。但在陶哲轩看来，，，，这类文本的阐释能力仍然狼籍不齐：它们往往在简朴的部分停留过久，，，，却在真正难题或新颖的地方一笔带过，，，，也很少自动说明一项效果与已有文献之间的联系。。 。
更隐藏的问题，，，，还来自太过润色。。 。人类作者一经以为难题的地方，，，，往往会保存一些思索和推导的痕迹，，，，提醒读者放慢速率、重复推敲。。 。过于平滑的 AI 文本，，，，却可能把通例方法和要害突破写得同样轻松，，，，反而掩饰了真正值得学习和明确的头脑。。 。
陶哲轩展示了一张自己年轻时阅读法国数学家让·布尔甘（Jean Bourgain）1991 年论文的照片。。 。纸页上写满了批注。。 。对他而言，，，，阅读、停留、补全中心方法、重新组织思绪，，，，恰恰是明确形成的历程，，，，并不需要被完全删去。。 。
（泉源：陶哲轩）
随后，，，，他引用了美国数学家威廉·瑟斯顿（William Thurston）1994 年关于数学证实的经典叙述：数学并不是为了完成一项由界说、定理和证实组成的笼统生产指标，，，，真正的权衡标准，，，，是能否让人们更清晰、更有用地明确和思索数学。。 。
证实的揭晓也不是终点。。 。它还需要被配合体接受、使用，，，，并最终成为课本和标准理论的一部分。。 。其中最缓慢、也最容易被忽视的事情，，，，往往由编辑、审稿人、课本作者以及认真阐释效果的数学家完成。。 。这些事情远不如率先给出证实那样耀眼，，，，却肩负着把个人效果转化为配合知识的职责。。 。
基于此，，，，陶哲轩也提出了几项值得数学配合体重新思索的偏向。。 。
首先，，，，披露 AI 的使用应该成为学术写作中的常态。。 。陶哲轩就在自己的幻灯片中注明，，，，AI 被用于文字自动补全和图表天生。。 。
其次，，，，评价系统或许需要降低对“第一个解出问题”和证实数目的强调，，，，把更多认可给予阐释、验证和知识整合事情。。 。陶哲轩提出，，，，若是作者无法自力就研究效果作出一份清晰、准确且引用完整的专家级报告，，，，那么这项效果就不应直接揭晓。。 。
AI 可以资助期刊筛除显着缺乏验证或写作质量较差的论文，，，，却无法替换数学配合体作出最终判断。。 。一个效果是否值得进入学科主线，，，，仍然是一个缓慢、依赖专业判断和恒久共识形成的历程。。 。
与此同时，，，，数学家的职业分工也已经最先爆发转变。。 。2026 年 4 月，，，，陶哲轩在接受 Nature 采访时曾体现，，，，数学家的“事情要求正在改变”。。 。而本届新晋菲尔兹奖得主雅各布齐默尔曼（Jacob Tsimerman）则宣布，，，，他将在 8 月尾加入 OpenAI，，，，从事 AI 清静研究，，，，希望为多智能系一切建设更严酷的理论包管。。 。
几天前借助 Claude Fable 5 找到雅可比意料反例的Levent Alp?ge，，，，正是齐默尔曼曾指导本科结业论文的学生。。 。现在，，，，两人划分进入 Anthropic 和 OpenAI：一位借助 AI 探索新的数学工具，，，，一位研究怎样让更强盛的 AI 越发清静可靠。。 。
这虽然不可代表所有数学家的选择，，，，但折射出一种正在爆发的转变：未来数学家的事情，，，，也许不再只是生产新的证实，，，，而是设计验证系统、诠释机械天生的效果，，，，并加入塑造人与 AI 协作的新规则。。 。
演讲之后，，，，他让 AI 采访了自己
演讲竣事后的第二天，，，，陶哲轩又做了一个有趣的实验。。 。
7 月 25 日，，，，他在 Mastodon上透露，，，，自己让 AI 搜集并整理已往宣布的 100 多篇帖子、采访和视频，，，，总结自己对 AI 的看法；；；；； ；关于已有质料没有涉及的问题，，，，再由 AI 反过来“采访”自己。。 。他还特意要求 AI 把问题设计得更尖锐一些。。 。
（泉源：陶哲轩）
在这其中，，，，AI 提出的许多问题，，，，都与这场演讲形成了呼应：与多家 AI 公司相助，，，，是否会为行业炒作提供信誉？ ？？？数学能够自动验证，，，，是否只是一个无法推广到医疗、司法等领域的特殊样本？ ？？？一边忠言“证实消化不良”，，，，一边推动大规模数学项目，，，，是否也在加速“证实过剩”？ ？？？
陶哲轩没有回避这些问题。。 。他体现，，，，大规模项目会只管放在恒久缺乏关注的数学“长尾”问题上，，，，阻止与年轻数学家的研究偏向直接竞争；；；；； ；至于怎样判断一份证实是否真正被“消化”，，，，未来很可能需要期刊、课本和出书系统逐渐建设新的规范。。 。
某种意义上，，，，这场自我采访，，，，就是他所提倡的人机协作的缩影：AI 阅读资料、寻找遗漏、提出问题、天生初稿；；；；； ；人类认真审阅、修正，，，，并对最终内容认真。。 。
从 2023 年展望 AI 将成为数学家的相助者，，，，到 2026 年讨论怎样明确和消化机械天生的证实，，，，陶哲轩体贴的问题已经爆发了转变。。 。AI 能否加入数学研究，，，，正逐渐从展望走向现实；；；；； ；数学配合体怎样重新组织知识、调解评价标准、建设新的协作方式，，，，才是接下来真正需要面临的课题。。 。
未来值得关注的，，，，也许不但是模子还能证实几多定理，，，，而是期刊是否会调解审稿与披露规则，，，，大学怎样重新设计数学教育，，，，诠释、验证和整理知识的事情能否获得应有的价值，，，，以及机械天生的效果最终有几多能够进入课本、融入理论，，，，并成为厥后者继续生长的起点。。 。
1.https://teorth.github.io/tao-web/slides/age-of-ai-icm-2026.pdf
2.https://1stproof.org/second-batch.html
3.https://1stproof.org/assets/docs/report.pdf
4.https://isa-afp.org/entries/Jacobian_Counterexample.html
5.https://terrytao.wordpress.com/2026/07/21/a-digestion-of-the-jacobian-conjecture-counterexample/
6.https://teorth.github.io/tao-web/ai-views-interview.html
