陶哲轩：人工智能时代的数学

作者：@Feynman路径积分

陶哲轩在2026年国际数学家大会上的公众演讲《人工智能时代的数学》，里面有个细节，很生动。他展示年轻时读Bourgain论文的批注页，他想说的是，理解的形成恰恰在这些停顿、卡壳、重写的痕迹里。那页纸上全是批注，补全被省略的中间步骤、对跳步处打问号、用自己的话重新组织证明。

如今的 AI，已经可以生成语法、拼写和格式几乎无可挑剔的数学论文。但在陶哲轩看来，这类文本的阐释能力仍然参差不齐：它们往往在简单的部分停留过久，却在真正困难或新颖的地方一笔带过。更隐蔽的问题是，人类作者曾经觉得困难的地方，往往会保留一些思考和推导的痕迹，提醒读者放慢速度、反复推敲。过于光滑的 AI 论文，却可能把常规步骤和关键突破写得同样轻松，反而掩盖了真正值得学习和理解的思想。

陶哲轩在这里说的是一件极其深刻的事：数学论文不是知识，而是认知地图——而地图的价值，恰恰就在于它能标注哪里有悬崖。

一份好的数学阐释，真正的功能不是把正确的话写出来，而是告诉读者：注意力应该按什么比例分配。人类优秀作者会不自觉地做到这一点——常规步骤三行带过，关键的、反直觉的、当年作者自己卡了几个月的地方，会放慢、反复。但AI的问题在于，它对"哪里难"好像没有任何体感。出现频率高的内容它写得从容且冗长，出现频率低的内容（真正新颖的那一步）它反而一笔带过——因为那一步在训练数据里几乎没有先例。浅处水深，深处无痕。这是个认知结构问题，AI没有经历过"卡住"那种感觉，所以它不知道哪里会让人卡住。

这凸显了ai和人类认知结构巨大的不同。

一个作者觉得某处难，他会在那里留下痕迹——一个看似多余的中间步骤、（一句比如说）注意这里不能直接用XX定理。这些痕迹是作者当年挣扎的化石，它们向后来的读者传递一个无价的信息：此处务必小心。读者循着这些痕迹，可以重建作者的认知路径，而不只是接收结论。AI润色做的修平简直是灾难——因为理解的形成恰恰依赖于重走那段崎岖。结论可以瞬间传递，唯独理解不能。光滑的文本会让读者产生"好了，读懂了"的错觉，实际上他们只是"读完了"。懂没懂，不知道。

陶哲轩说，数学的衡量标准不是定理的生产，而是让人们更清楚地理解和思考。而阻力不是理解的障碍，是理解的发生机制。

他真正担心的应该是这个链条，AI生成过剩 → 文本过度光滑 → 阻力与痕迹消失 → 读者的再创造接口被堵死 → 下一代数学家的理解能力退化 → 共同体消化证明的能力崩溃。数学的证明，在ai工业时代，可以被无限生产，但理解只能在一个个具体的人脑里、以克服困难的方式、缓慢地生长出来——这个环节的速率是生理性的，无法被算力加速。

放到更大的尺度看，这其实也是负熵的常识：秩序（理解）的建立必须付出代价（挣扎），任何号称能免除代价的过程，交付的恐怕都是伪秩序。摄影里慢门让时间在底片上留下真实的沉积，而不是一张瞬时抓取的、光滑的假象。书法里也讲"屋漏痕""锥画沙"，讲笔在纸上的阻力与留迹——好的线条恰恰保留了那些行笔的困难。陶哲轩捍卫的是同一件事：痕迹即信息，阻力也即意义，理解是一场必须由亲历者本人走完的跋涉，必须是，只能是。

挣扎的痕迹是知识真正活着的部分。这个地球上最聪明的大脑，担心的事情很深刻