陶哲轩 ICM 2026 《AI 时代的数学》讲演完整版来了
陶哲轩与王虹共倡“消化AI证明”：重塑数学研究新范式
2026年8月22日，全球数学界正面临一场由人工智能引发的范式重构。菲尔兹奖得主陶哲轩与王虹近期分别通过公开演讲与专访，提出“消化”应成为AI时代数学研究的核心环节——即对AI生成的证明进行理解、提炼与再阐释，而非止步于形式化验证。
这一主张源于森多夫猜想（Sendov Conjecture）的最新进展。该猜想自1958年提出以来，在低次与高次情形已有部分解决，但中间范围长期悬而未决。2026年初，数学爱好者Lech Mazur借助AI工具生成并通过Lean形式化系统验证了完整证明。然而，原始证明长达9万行代码，缺乏人类可读性，无法直接纳入数学知识体系。
陶哲轩随后投入数日时间，结合ChatGPT辅助与手写推导，对证明进行“消化”：追溯关键恒等式、剔除冗余路径、重构逻辑主线。结果不仅使证明压缩至1.5万行Lean代码，还意外覆盖了更强的Phelps–Rodriguez猜想。这表明，“消化”不仅是验证过程，更是知识增值的关键步骤。
从历史脉络看，数学成果的认定机制历经多次演变。20世纪以期刊发表日期为优先权依据；21世纪初arXiv预印本平台兴起后，时间戳成为新标准。如今，AI可在数小时内生成可验证证明，部分结果甚至未经整理即在社交平台传播，导致“抢先发布”压倒“严谨阐释”，加剧了学术共同体的认知负担。
对此，陶哲轩在2026年国际数学家大会（ICM）上明确提出：数学界应重新评估成果归属标准。他主张引入四阶段认定框架——生成（如AI对话记录）、验证（如Lean代码）、阐释（如学术报告）、发表（如期刊论文）——四者共同构成完整成果链条，缺一不可。
作为配套机制，陶哲轩团队同期推出Palomar登记库。该��台专门收录AI参与的数学证明，要求提交者明确标注AI角色、代码版本及验证方式，并通过独立内核复核。Palomar不替代同行评审，亦不评判成果重要性，而是作为“消化中继站”，促进协作与透明度。
北京大学数学科学学院教授王虹在近期万字专访中呼应此观点。她指出，数学界不能因AI产出效率提升而放弃对理解深度的要求。“反例或证明一旦被AI生成，就必须被人类‘消化’，否则只是数据，不是知识。”她强调，数学教育也需调整，培养学生驾驭AI工具的同时，强化逻辑阐释与理论整合能力。
行业观察人士指出，AI在数学领域的渗透速度远超预期。据OpenAI 2026年7月发布的《Astra模型技术报告》，其新一代推理模型已在高维几何、编码理论和群论等方向连续攻克10项长期开放问题。更引人注目的是，一名未受过高等数学训练的神经外科医生，仅凭ChatGPT 5.6运行16小时，便推进了Crouzeix猜想的关键环节。
然而，技术乐观背后潜藏风险。若学界过度依赖AI生成而忽视消化环节，可能导致“正确但不可用”的证明泛滥，削弱数学作为累积性学科的基础。陶哲轩警告：“人都理解不了的证明，不应被视为完整成果。”
当前，数学界正就AI角色展开广泛讨论。欧洲数学会（EMS）2026年6月发布政策建议草案，呼吁建立AI辅助研究伦理指南；美国数学学会（AMS）则计划在2027年启动“可解释证明”专项资助计划，支持消化类工作。
这场变革的本质，是重新定义“数学创造”的边界。AI擅长加速前两步——生成与验证；而后续的阐释、关联旧理论、教学转化等环节，仍高度依赖人类判断。正如陶哲轩所言：“未来的数学家，或许不再是最先写出答案的人，而是最能把答案讲清楚的人。”
本文由AI辅助生成
