洛杉矶——加州大学洛杉矶分校教授、2006年菲尔兹奖得主、被广泛视为全球顶尖纯数学家的陶哲轩警告，人工智能正在耗尽数学界最有价值的开放问题。他近日在 Mathstodon 发帖称，推理模型和前沿 AI 系统正被不加区分地用于未解问题，解题速度快于数学界补充同等有意义问题的速度。
陶哲轩强调，问题不在证明或论文，而在“好问题”。他指出，任何人都能发明无限多个数学问题——圆周率第古戈尔位数字在技术上也是无人计算过的开放问题，但几乎所有此类问题都不重要，因为它们无法揭示更广泛领域的知识。真正关键的是判断什么值得投入精力。
他写道：“简言之，不加区分地使用强大的解法提取工具，可以实现解决眼前问题的短期目标，但代价是维持下一波进展的生态系统，或理解已经取得的进展。”
随着推理模型和最新一代前沿 AI 系统发布，各大实验室开始向数学和科学问题投入巨量算力。Anthropic 和 OpenAI 已用模型测试那些困扰人类数学家数年甚至数十年的问题。
数学领域有所不同：真正困难的问题相对稀缺，研究人员通常会谨慎选择投入数月甚至数年的方向。这种选择历来依赖领域的难度地形——哪些问题平凡、哪些需要真正努力、哪些用当前工具毫无希望。新方法总会抹平部分地形，但也打开新前沿。陶哲轩认为，AI 打破了这一模式，因为没人能准确说明模型能力止于何处。
警告并非假设。今年5月，OpenAI 一个模型否证了已有80年历史的 Erdős 单位距离猜想，该问题关乎平面上最多有多少对点恰好相距一个单位。包括菲尔兹奖得主蒂姆·高尔斯在内的外部数学家验证了结果。同一周，Anthropic 研究员 Levent Alpöge 在离线状态下让该公司未发布的高端模型 Claude Mythos 运行同一问题，以免复制 OpenAI 已公布的解法。Anthropic 工程师 Sholto Douglas 称结果是“一个可爱、简单的证明”，比 OpenAI 的更短。数学家 Daniel Litt 则称其“稍差”于 OpenAI 版本，尽管 Mythos 也找到了 OpenAI 的方案。
就在本周，Anthropic 形式化了一个有数百年历史的费马大定理证明；几天后，OpenAI 破解了一个90年历史的问题，而就在一名研究员发布自己的证明数小时后，该研究员与一名 Anthropic 研究员合作撰写了论文。
这场竞赛正是陶哲轩担忧所在。他写道：“我们现在已经看到，即使只是传闻某人在研究某个问题，也可能触发大量 AI 驱动的努力，在原始研究项目有时间充分发挥潜力之前就将其抹平。”
陶哲轩认为，这最终会逆转数百年的开放科学。他提出的补救办法是将某些问题标记为“分析必需”，意味着仅有正确的原始答案价值不大，除非它附带能揭示邻近问题的推理。他将其比作食物银行不再接受任何仅仅可食用的捐赠。替代方案是在数学中禁止 AI，而陶哲轩称这一方案“技术上不可行”。
该提议尚未在任何地方成为政策。而从大型 AI 实验室的行为来看，即使这一提议，目前也可能在技术上不可行。