How AI Is Changing Mathematical Research

AI如何改变数学研究 - Gradient Flow

AI如何改变数学研究

发布者

Ben Lorica

2026年8月17日

2026年8月14日

分类

未分类

.meta-info

.post-thumbnail

鉴于近期关于AI系统解决研究数学问题的大量报道，我决定更新之前写的一篇相关文章。除了编程之外，研究数学可能是AI工具和代理进展最快的领域。即使你对数学本身不感兴趣，这也值得关注。数学为我们提供了异常清晰的视角，可以观察这些系统的能力边界、失败模式以及随着工具改进专家角色的变化。我认为这些模式也能为AI如何重塑其他知识工作提供有价值的启示。

目录

• 数学研究中AI的当前优势领域
• AI的失败方式及为何难以察觉
• 验证性发现的真实成本
• AI研究的新瓶颈
• 人类判断仍然重要的领域
• 每个AI结果背后的四个问题
• 生成成本降低的时刻

##### 数学研究中AI的当前优势领域

从近期数学研究结果中，我学到的最重要教训不是AI能解决难题，而是某些类型的问题与当前AI系统的工作方式高度契合。当存在大量可行的尝试路径、过程中能识别进展、且结果能低成本验证时，模型具有明显优势。在这样的环境中，巨大的信息召回能力加上低成本搜索，使AI能够探索人类研究者根本无暇顾及的领域。与其它学术领域一样，数学研究也高度专业化，研究者无法与AI跨数学领域阅读论文的能力相提并论。这种价值可能更多来自机器的覆盖范围而非机器的天才。

当进展依赖于重新定义问题、发明新概念或沿着一条困难思路持续探索直到出现意外想法时，当前AI系统的表现就显得不那么令人印象深刻。我也会对"模型解决了某个问题"这类标题保持谨慎。在文献中已有答案、以新方式结合两个已知想法、以及对开放性问题做出真正贡献，这三者是完全不同的能力。对我而言，这便是实际启示：不要问AI是否足够聪明来完成这项工作，而要问这是什么类型的工作。

返回目录

##### AI的失败方式及为何难以察觉

最重要的失败模式正在发生变化。由于AI输出不再显而易见地错误，因此越来越难以驳斥。多个模型运行可能收敛于相同的错误论证。一个证明可能看似严密，除了一个关键步骤之外。形式检查器可以确认数学正确性，而系统可能在不被察觉的情况下改变了被要求证明的定义。甚至一个正确的结果也可能早已在数十年前被发表。对我而言，这个教训是：合理性、共识、正确性和新颖性是四个独立的问题。

这意味着验证需要成为工作流程中的分层组成部分，而非最终检查。团队需要验证规范、推理过程、现有技术，以及日益重要的评估本身。形式化方法仍然极其有用，将问题形式化的过程甚至可能产生新的洞见。但没有任何单一的信任信号能够解决所有问题。随着模型在生成令人信服成果方面的能力提升，我预计AI辅助研究中昂贵的部分将从生成答案转向确定哪些内容值得被相信。

##### 验证发现的真实成本

我将不再关注的指标是每个成功AI生成结果的成本。它忽略了最关键的因素：失败案例。在一项有记录的实验中，约85个代理程序挖掘了62个开放性问题，攻击了其中8个，解决了5个，并在不到1000美元的标价下，约14小时内生成了一个存活候选方案。超过一半的计算资源被用于代理程序试图破解其他代理程序的工作。这颠覆了传统的成本模型。生成正在变得廉价，而确定某事物值得留存才是消耗大量资源的环节。

这还改变了AI研究系统的形态。这不是一个极其聪明的助手回答难题，而是更接近于一条专门代理程序的生产线，这些代理程序负责挖掘、生成、攻击、形式化并传递结果。更高的可靠性突然使这条流水线变得经济，因为验证和修复的难度大幅降低。可重复使用的库、评估器、模式和验证过的领域知识能让每次新运行都从更靠前的起点开始。这就是为什么我会优先优化可信的吞吐量，而非单字价格，并衡量从大量候选方案到领域专家真正愿意背书的成果的完整成本。

##### AI研究中的新瓶颈

我发现有用的一个框架是：研究不是一项任务，而是一个流程。你生成结果、验证它、解释它、发表它、让其他人吸收它，最终将其转化为标准知识。AI对这个流程前端的加速效果远大于对后端的加速。因此，如果生成速度提升十倍，而审查和吸收几乎没有任何进展，你并未实现吞吐量十倍的提升，而是创造了队列。这个队列已经开始显现，机器生成甚至机器验证的证明正在等待人类去阅读和理解。

这改变了稀缺资源的定义。审查能力的增长速度远不及计算能力，廉价的生成会制造大量需要过滤的材料，直到人们知道什么值得关注。我也认为“完成工作”的定义将变得更加严格。一个被生成和验证但无人能解释或进一步构建的结果其实并不实用。对于任何以AI为主的流程，实际教训是显而易见的：一旦生产变得廉价，注意力、解释和吸收将成为真正的制约因素。

##### 人类判断依然重要的领域

许多最强大的AI辅助数学成果背后隐藏的模式并非“模型解决问题，人类检查答案”。其过程比这更有趣。模型提出一个方向，通常执行得并不理想，而专家则能从失败中识别出潜在的优秀思路。同样的人类判断力也体现在决定放弃哪些分支、将模糊问题拆解为可处理的模块，以及判断任务是需要广泛搜索还是少数深度概念性押注。这种专业知识存在于工作流程中，而非仅仅停留在审批环节。

有一个重要的前提条件。在问题表述清晰、定义明确的情况下，拥有较少正式专业知识的人已能利用公开模型产出有意义的结果。因此我不会将专业知识视为固定成本。它随着模糊性的增加而上升。对组织而言，实际教训是将机械化重复工作与需要判断力的复杂工作区分开来。重复性工作显然是自动化目标。但如果你消除了所有困难的概念性步骤，也可能同时抹杀了培养能识别AI生成答案微妙错误的人才的训练过程。

##### 每个AI结果背后的四个问题

解读近期AI数学成果的难点在于，“解决”可能描述着几种截然不同的情况。模型可能从文献中检索出已有答案，以新颖方式整合已知概念，或真正为开放性研究问题做出贡献。这些成果往往被压缩成相同的统计数据。即使数学本身正确，创新性也难以确认，因为我们无法可靠地区分真正的新见解与成功检索出的冷门知识。这使得能力声明的解读难度远超单纯的“解决”数量所暗示的。

分母同样重要。如果10次成功来自10次尝试与10000次尝试，其意义截然不同。而大多数公告都会忽略重试次数、人力投入和总计算量。好的测试应使用模型未接触过的问题，并验证完整解决方案，而不仅仅是答案是否正确。还有一个陷阱：一旦基准变得容易且有价值可优化，它就会开始改变自身周围的行为。此时，仪表盘可能仍在上升，但指标本身可能已变得不再具有信息量。

##### 当生成变得廉价

当生成成果的成本降低后，价值开始转向其他方向。率先完成的重要性不如让工作变得易于理解。更强的评审标准是：负责人是否能在不调用AI的情况下解释并捍卫结果。职业决策也变得具有信号价值。当资深研究者改变研究方向或工作机构时，实际上是在押注哪些技能和制度将在未来变得重要。

这种再校准也体现在训练和治理中。我会用AI节省重复性任务的时间，但保留足够复杂的思考环节以培养真正的判断力。团队也需要在所有人都陷入最容易的流程之前，明确什么是良好的评审和披露标准。我发现有趣的是，人们经常一边声称AI将改变一切，一边继续以几乎相同的方式工作。人们可以相信技术会重塑领域，却仍以一贯的方式工作。这很可能是转型期的特征，而非矛盾。

##### 相关内容

• 数学家关于 AI 的发现，大多数企业尚未意识到

• [与 Tudor Achim 的对话] 构建数学超级智能

/think