三国天下归心第一赛季有哪些输出英雄
2026-07-29 3432566
2026-07-29 0
今年菲尔兹奖颁发后，一件令人震惊的事情随之发生。
与王虹、邓煜共同获奖的多伦多大学教授Jacob Tsimerman，紧接着竟宣布加入OpenAI，转而投身AI安全研究。
他给出的理由是：
在2年之内，AI会彻底超越人类，覆盖所有数学证明领域。
次日，在费城ICM 2026现场，菲尔兹奖得主陶哲轩也满怀忧虑地说出下面这句话：
我认为，一个动荡时期正在到来——数学价值观及其实践基础都将遭遇危机。
同样给出类似判断的，还有另一位菲尔兹奖得主Timothy Gowers。
数学问题求解的各个方面很快都会被LLM超越，提出问题、构建理论乃至制定定义等环节，甚至也可能包括在内。
按照他的警告，AI杀死数学的方式或许比想象中更优雅，也更加残酷。
对AI这股力量心怀恐惧的，并非只有他一位数学家。
《莱顿宣言》（Leiden Declaration）于2026年6月2日正式发布。
截至今天，签名人数已经达到3164人。
国际数学联盟（IMU）为这份宣言正式背书，副主席Ulrike Tillmann亲自表示：数学过去是、未来也应当永远是一项深刻的人类事业。
签名名单中的每个人，都是大佬。
陶哲轩表示这是社区数月讨论形成的结晶，并称自己全心全意支持其中的每一条建议。
Peter Scholze则心痛表示：正如不愿让AI教育自己的孩子，他在思考数学问题时不用AI，也会尽量避开AI生成的文本。
Kevin Buzzard、Jeremy Avigad、Steven Strogatz，无一不是顶级大佬。
Timothy Gowers却没有签名，因为他的视野早已越过「AI取代数学家」这一层面，选择正视一个更冰冷、更宏大且无法躲避的终极问题：
如果AI给出的证明全都正确，还能不知疲倦地指数级增长，数学是否会成为一座「无人光顾」的墓地？
他忧虑的并不是AI解题能力过强，进而夺走数学家的饭碗。情况恰好相反：数学不会因停滞而死，而可能亡于过剩。
为何会出现这种结果？
Gowers为此设计了 一个思想实验。
可以设想：在AI从未出现的情况下，一场疫情突然暴发，并因某种原因只夺走全部数学家的生命，其他所有人却毫发无伤。
所有数学文献依旧完好地留在那里，可是，再也没有人懂得如何解读这些文献。
按照Gowers的判断，要在这种废墟上重新建立数学传统，所需时间恐怕长达数十年。
需要注意的是，这场灾难没有销毁任何东西，损失的信息量依然是0。
然而，数学并不只是纸面上的文献，它也存在于世界各地数学家的大脑之中——庞大的知识体系与深厚的专业直觉都蕴藏在那里。
Gowers把它称作「人类智慧的奇观」。若把文献比作压缩包，那么数学家的大脑便是解开它的密码。
接下来，再构想一个稍有差异的版本。
这一次，AI存在。而且AI随时待命，可以按照我们希望的任意详略程度解释任何数学问题。这会夺走数学这门学科中很大一部分乐趣。
同时，正因为AI已经存在，人们会失去投入漫长岁月磨炼自己的动力，不再努力达到今天普通研究型数学家的水平。
再过十年或二十年，或许会出现这样的局面：数学文献以某种形态达到空前繁荣，人类专家却集体悄然消失，再没有一群人能够共同理解某些领域。
届时，几乎所有数学都可能成为全人类的「思维墓地」：它们沉睡在几十年前写成的论文中，却再也无人阅读。
在Gowers眼中，我们应当竭尽全力抵制这种可能性。
两个版本的终点虽同为「数学之死」，原因却不同：第一个版本中的数学亡于贫瘠，第二个版本里的数学则亡于过盛。
前者是被饿死，后者则是被撑死。
湖泊也是如此，既可能因干涸消失，也可能因富营养化而「死亡」。
富营养化（英语：Eutrophication）也称优养化，指氮磷养分大量涌入湖泊、河流、水库等水体，导致藻类爆炸式繁殖，水面绿得发亮，生物量高得惊人；随后水下氧气耗尽，鱼类翻起白肚，整片湖泊最终化作一潭死水。
AI与数学这个问题，并非Timothy Gowers一时兴起才开始思考。
他在2022年获得资助，并由此启动了一项自动定理证明项目。
当时，他明确选择GOFAI（传统人工智能）路线：先深入理解人类寻找证明的方法，再让计算机进行模仿。
为了详细说明项目的方法和目标，他撰写了一份54页的文件。
在他当时的认识中，人类擅长化繁为简并寻找结构化的证明，机器学习则仍受限于真正的理解和迁移。
生成「有动机的证明」是他的目标，也就是得到过程透明、能够解释，甚至可以用于本科教学的证明。
即使到了2025年，他仍在公开批评现有LLM采用的训练方式：
大多数模型只能看到最终写成的证明，却无法接触人类真正经历的思考过程。
他建议创建「有动机证明」数据库，让AI能够学习真实的推理路径。
然而，2026年到来了。
5月的某一天，AI彻底改变了他的认知。
他没有提供多少实质性的数学提示，仅仅把一个数论问题交给了ChatGPT 5.5 Pro。
经过大约一小时思考，AI给出了一项清晰的博士级研究成果：原来呈线性或指数的界限，被它直接推进至二次乃至多项式！
实际测试ChatGPT 5.5 Pro后，高尔斯的立场发生了彻底转变。
此后，他不再仅仅探讨「怎样让AI更像人类」，而是开始承认：博士级问题已经能够由LLM处理。
后来得知ChatGPT解决了「单位距离问题」时，他甚至直接彻夜难眠。
直到次日确认ChatGPT提供的只是反例，并非完整的上界证明，他才略微放下心来。
尽管如此，在他看来，这依然是AI数学发展的里程碑。
毫无疑问，在AI for Math领域，单位距离问题的解决具有里程碑意义：假如论文出自人类之手并提交至《数学年鉴》，而我需要快速评估，那么我会毫不犹豫地建议接收。
此前由AI生成的任何证明，都没有达到这种水平。
如同面对AlphGo的李世石，他感到心酸又无奈：一位终身强调「理解」的数学家，最终却被机器展现的实用能力迫使着重新界定「什么叫研究」。
到了7月24日，他索性把自己的论文交给AI自动形式化，也就是让AI将证明转译为机器能够验证的代码。
整个过程持续一周半，而他本人只用一两个小时进行提示，工作便告完成。
最终，他只能叹服：「与未来任何时候相比，当前的技术水平都会更加落后。」
Gowers发布这篇文章的时间点颇为微妙。
就在当天，哥伦比亚大学的Peter Woit也在博客发布了一篇《一个领域的安魂曲？》。
Woit的评论直击痛处：过去你要与其他数学家竞争，学界存在严格规范，会把想法归于最先提出它的人，然而对于「冠名游戏」，AI智能体毫无兴趣。
这和国际象棋并不完全相同：即使象棋程序超过了人类，人与人之间的比赛仍然延续下来。我们将要抵达的状态，更像某种所有人都会使用的程序。
大多数星星并没有以天文学家命名，却丝毫不影响星空之美。当定理不再归属于数学家，也不过是真理恢复了它在宇宙中原有的面貌。
Gowers本人同样为此付出了代价。
据他说，自己已经有两次只能眼睁睁地看着GPT-5.6 Pro一次性解出那些他十分喜爱并认真思索过的问题。两次经历中，都是更年轻的合作者在获得他同意后使用了AI模型。
那种感受十分怪异，也让人不太愉快——仿佛脚下的地毯突然被猛力抽走。
如果科学发现交给机器，人类还应负责什么？在真理无限扩张的时代，人类心智又该置身何处？
答案仍随风飘荡。