我们完了！奥特曼曝数学家5天心路反转，陶哲轩：英雄时代退场

新智元报道

我们完了，我们的领域结束了，得让研究生转专业。

在斯坦福商学院的一场访谈中，奥特曼说，一些数学家看到AI的表现后，第一反应就是如此。

奥特曼转述一些数学家受到AI冲击后的反应。

10月6日，继宣布攻克纳维－斯托克斯难题后，OpenAI又一口气公开了700余篇数学手稿。

当AI开始大规模提交研究成果，人接下来做什么？

有人不敢相信：「这是假的。」

还有人满腔怒意，认为OpenAI不该这样做：如果这就是获得更多数学知识的代价，他们宁愿不要。

但奥特曼发现，在他听到的反馈中，一些人的想法大概到第五天就变了。

从担心整个职业消失，到重新找到自己的价值，中间发生了什么？

从「我们完了」

到重新理解自己的工作

奥特曼回顾了过去10天里他观察到的数学界反应，称这段过程「很有意思」。

最初是难以置信：「这是假的。」

到了第一天，恐慌涌了上来：「我们完了，这个领域结束了。」甚至开始劝研究生换专业。

再到第三天，满腔愤怒：「OpenAI这么做太糟糕了。」

但大约到了第五天，他开始听到另一些声音。

一些数学家重新意识到：自己的工作原本就包括理解知识、交流思想，以及把复杂的成果讲得让人看得懂。

多数人从未解决过千禧年难题，却依然可以作出重要贡献。

想通这一点，他们开始相信：

我的数学家生涯会有所不同，但希望会变得更好。

当然，「五天」的转变周期，只是奥特曼对一部分数学家反馈的概括，不等于整个数学界已经接受了变化。

他也承认，模型进步比预想中更快。

在数学推理等狭义领域，他认为「超级智能」已经出现。

但对于每天埋头研究的人来说：这场变化带来的感受，远比「超级智能来了」「奇点降临了」的兴奋与期待复杂。

陶哲轩

「浪漫时代」正在退场

奥特曼谈到了新的职业可能，陶哲轩则说起了这场变化中可能失去的东西。

一个人苦思多年，终于解开一道难题。

这种浪漫，正在被AI改写。

在10月15日发布的Numberphile访谈中，这位20岁拿到博士学位的UCLA数学教授陶哲轩谈到，数学正在从个人英雄式攻坚，走向大规模研究的时代。

他提起怀尔斯花七年攻克费马大定理的故事。

人们迷恋一门学问，也会迷恋其中的探索过程，以及苦思之后终于想通的满足感。

如今，AI开始批量交出证明。

研究者除了亲手寻找答案，还要花时间理解机器交来的成果。

在《Math 2.0》演讲中，陶哲轩指出，探索过程中获得的新认识、新方法，可能比最后那个答案更重要。

为什么原来的路走不通？新方法突破了什么限制？还能用来解决哪些问题？

这些收获，往往会影响后续一整片研究。

一道题解出来了，围绕它的探索还没有结束。

如果只盯着「谁先交出答案」，就容易忽略探索过程中那些闪光的想法和宝贵的收获。

装上自动门

门童就没价值了吗？

陶哲轩在UCLA的一次访谈中，讲了一个酒店的比喻。

一家酒店想节省开支，请来一位管理顾问。

顾问认为，门童的工作就是开门。于是酒店装上自动门，把门童裁掉了。

但顾问没看到，门童还会帮助客人、叫车、照看入口，让人感到安心。这些服务，同样影响着客人的体验。

这个比喻，戳中了一个常见的误解：

我们总习惯用一个「招牌动作」，概括一整个职业。

数学家解题，程序员写代码，编辑写文章。

标签贴起来很方便，却省略了背后的许多工作。

对数学家来说，「解题」之外，还有连接不同领域、培养下一代，以及教别人如何思考和解决问题。

其他职业也一样。

AI生成了一篇稿子，还要有人核实事实、选择重点，判断读者需要知道什么；AI写出了一段代码，还要有人确认它是否解决了用户的问题。

产出变得容易，判断什么值得做、结果是否有用，仍然需要人类后续工作的介入。

AI交卷之后

谁来把证明讲清楚？

这些后续工作，恰恰是陶哲轩在访谈中直言不满的地方。

在Numberphile访谈里，他提到，OpenAI的成果中有一两项，至少在他们目前看来，包含很巧妙的新想法。

但还有很多内容难以理解，尚未被仔细检查，也有出现错误并撤回的情况。

他直言里面会有好东西，也会有糟糕的东西，但我们还不知道各占多少。

他还抱怨，当时没有OpenAI的人帮助他们理解这些材料。在他看来，对方似乎认为工作已经完成。

成果发布之后，谁来解释关键步骤？谁来回答同行的疑问？发现问题后，谁来继续跟进？

当成果成批涌来，后续的理解与验证却没能及时跟上，数学有点「消化不良」了。

10月15日，Simons基金会宣布联合OpenAI、Anthropic，承诺合计1500万美元资金及资源，支持数学家检验、理解和拓展AI成果。

这些支持，也可以看作对陶哲轩所提问题的一种回应：AI实验室发布成果之后，还需要为后续的检验和理解投入资源。

陶哲轩也看到了新的研究机会。

在UCLA访谈中，他设想，把一种方法应用到上万个问题上，系统观察它在哪些情况下有效、在哪里失效。

过去，很难组织足够的人手完成这样的探索。

有了AI，研究者可能开展以往难以实现的大规模研究。

令人着迷的研究方式正在改变，新的可能也在出现。

AI越聪明

人越要学会判断

聊到学生应该学习什么时，奥特曼讲起了自己小时候的经历。

老师要求他学写作，他回答，自己不想成为作家，想当数学家。

老师告诉他，写作也是学习思考、组织思想的工具。

即便长大后不写东西给别人看，这种训练仍然有价值。

奥特曼借此强调，那些帮助人思考的技能，依然值得学习。

这与陶哲轩对学生的提醒相呼应：如果尚未理解一门学科，就无法检查AI的答案是否正确。

答案可以由AI生成，判断力仍然需要自己练出来。

对于即将开始职业生涯的学生，奥特曼依然乐观。

他认为，变化最剧烈的时候，也可能给有想法、有动力、掌握新技能的人提供更多机会。

他的建议是别只追逐五年前流行的方向，去做新的事情。

但他也承认，大量工作任务和部分岗位会经历剧烈调整。

从「我们完了」到重新寻找方向，观念的转变或许只需要几天。

新的工作怎样做、贡献如何评价、新人如何培养，却需要更长时间去摸索。

数学家面对的问题，已经摆到了更多人面前：

当AI交来一份看似漂亮的成果，你能看懂它、指出问题，并决定下一步值得做什么吗？

参考资料：

https://www.youtube.com/watch?v=anAmTGcewX8

https://www.businessinsider.com/sam-altman-openai-mathematicians-math-disruption-navier-stokes-2026-10

https://www.businessinsider.com/math-ai-tools-openai-terence-tao-ucla-2026-10

https://www.scientificamerican.com/article/the-inside-story-behind-openais-million-dollar-math-proof/

https://www.youtube.com/watch?v=bAnwMdfcMVw&t=10s

编辑：元宇