杂谈

数学作为职业的未来：当 AI 解决定理，数学家何去何从 — Aaronson / Ono / Litt / Etingof / Chu 5 派观点 + 4 个生态被冲击 + 3 个未来

9-8 OpenAI 宣布 AI 解决数学界最著名难题，**触发数学作为职业的哲学危机**。本文综合 5 位数学家观点：**Scott Aaronson（UT Austin）「人类数学家已被永远取代」** / **Ken Ono（去 Axiom Math 创业）「学生的职业可能不复存在」** / **Daniel Litt（多伦多）「必须找到新平衡，50 年后可能没数学」** / **Pavel Etingof（MIT）「AI 凿矿 + 数学家阐释」** / **Tasmin Chu（Caltech）「它打破了我们的制度」**。**4 个生态被冲击**：arXiv...

#AI vs 数学#数学家#RSI#OpenAI#Anthropic#Scott Aaronson#Ken Ono#Daniel Litt#Pavel Etingof#Tasmin Chu#arXiv#MathOverflow#菲尔兹奖#职业未来#文化危机#AI 时代#评论

一句话总结

9-8 OpenAI 宣布 AI 解决数学界最著名难题——触发数学作为职业的哲学危机。5 位数学家 5 种态度——Aaronson「已被永远取代」/ Ono「学生职业不复存在」/ Litt「必须找新平衡」/ Etingof「AI 凿矿 + 人类阐释」/ Chu「它打破了我们的制度」。4 个生态被冲击——arXiv 限流 / MathOverflow 活跃度下降 / OpenAI 100+ 结果保密 / 期刊被淹没。3 个未来——按按钮不读输出 / AI 凿矿 + 阐释 / 「作者之死」（Barthes）。核心论点——AI 证明 ≠ 理解——「被瞬间传送到山顶，浓雾弥漫」不是登山。

一、事件触发 — 9-8 OpenAI 的「数学界最著名难题」

维度详情
触发事件2026-09-08 OpenAI 宣布其模型解决了数学界最著名难题之一（具体哪个原文明面未指明）
数学界反应Scott Aaronson 博客「我余下的人生里，不指望自己还会因为确实有必要由我来证明某个定理，而再次证明它」「人类数学家作为地球上定理证明主力的地位，已经永远被取代了」
数学家小野健（Ken Ono）从弗吉尼亚大学暂时休假，去一家名为 Axiom Math 的 AI 创业公司工作——在 Berkeley 给 150 名学生/博士后/教授讲「你们毕业后进入的职业，可能已经不复存在」
学生反应双手颤抖反问：「你们正在做什么？你所谓的尽最大努力到底是什么？」
来源163 自媒体单源（长文翻译疑似）——单源红旗

二、核心论点 — 「AI 证明 ≠ 理解」

数学证明：省略关键细节，却用大量篇幅讨论无关概念；无法说明新工作如何建立在既有数学文献上，或与它们产生联系。数学家知道这些证明是成立的——有一套检查逻辑的系统验证了它们——却不知道为什么成立。

缺失的是理解，而理解正是数学家交流的核心。

类比

这就好比你被瞬间传送到一座高山的山顶，四周浓雾弥漫，你不知道自己身在何处，也不知道周围有什么；你不清楚这座山如何与其他山峰相连，既没有帮助探索的装备，也没有办法让别人来到你身边。

如果你亲自登山，就会体验到人体如何适应海拔与氧气水平的变化。你可能需要发明工具来辨认方向、攀上陡峭的岩壁，或搭建庇护所；也可能遇见另一名探索者，两人一起迷失在隐蔽的山谷中，发现某种能够制成救命药物的植物。

可现在，你只是置身山顶，对一切毫无所知，而传送机器的制造者告诉你，它探索荒野的能力胜过任何人类。

核心——「过程」与「结果」是有本质区别的——登山不只是「到山顶」。

三、数学「为什么要存在」—— 价值层

3.1 麦吉尔博士生吴麒仁（Marcel Goh）的回答

「数学要么是最像科学的人文学科，要么是最像人文学科的科学，取决于你问谁。」

它通常毫无用处，但一次又一次，这些抽象概念在物理学及其他领域的应用中，展现出『不可思议的有效性』。

3.2 过程比结果更重要

人们提出问题，与其说是因为答案具有实际用途、意义重大，不如说是因为这些问题意味着值得探索的旅程。数学家希望，在努力解题的过程中，自己能创造有意思的工具、发现新的联系，偶然遇见新颖的想法与方向，绕上一些富有收获的弯路，并回答那些原本根本不会想到去问的新问题。

「从来就不只是为了那些定理。」吴麒仁说，「而是为了延续一种传统：尽管没有市场价值，它仍然让社会受益。为了深入推理，理解世界……并传播这些知识。」

四、5 位数学家 5 种态度

4.1 Scott Aaronson（UT Austin）——「已被永远取代」

「在我余下的人生里，我不指望自己还会因为确实有必要由我来证明某个定理，而再次证明它。」

态度——承认事实派。「人类数学家作为地球上定理证明主力的地位，已经永远被取代了。」

4.2 Ken Ono（去 Axiom Math）——「学生职业可能不复存在」

职位——从弗吉尼亚大学暂时休假，去 AI 创业公司 Axiom Math 工作——「站到 AI 那一边」。

对学生的告诫——「你们毕业后进入的职业，可能已经不复存在，也可能与你们预期的完全不同。你们需要做好准备。」

学生反应——愤怒 + 挫败——「你们正在做什么？你所谓的尽最大努力到底是什么？」

态度——乐观/参与派——「尽最大努力避免学生所设想的黯淡未来」——但具体怎么做，没明说。

4.3 Daniel Litt（多伦多大学）——「必须找新平衡」

「原有的平衡已经被打破。我们必须找到新的平衡。」

「当这一职业完成代际更替后，你会看到一群数学家，他们接受的训练是按下按钮，却不阅读输出结果。」

「存在一种糟糕的未来：如果我们不适应，50 年后可能就再也没有数学了。没有人从事数学，连机器也没有。」

「我并不是说这种情况很可能发生。我们不会浑浑噩噩地走到那一步。但我认为，如果我们什么都不改变，世界可能就会变成那样。」

态度——现实主义警告派——「主动适应 vs 被动等死」。

4.4 Pavel Etingof（MIT）——「AI 凿矿 + 数学家阐释」

「数学家将不再花那么多时间费力地凿开永久冻土，从中挖出数学宝石。他们会把更多这样的开凿工作交给 AI，自己则尝试解释、理解和学习由此得到的成果。」

「届时，将有多得多的数学内容需要我们弄明白，数学家也会有大量工作可做——也许与过去不同，但肯定会很有意思。」

态度——乐观重塑派——类比金矿：AI 凿矿 / 数学家精炼 + 阐释——这是 Barthes「作者之死」的数学版——意义在读者，不在作者。

4.5 Tasmin Chu（Caltech 博士生）——「它打破了我们的制度」

「它打破了我们的制度。把它推到极限，然后摧毁它。」

「许多人之所以从事纯数学，尽管收入远低于业界，很大一部分原因是，你可以亲自创造自己的贡献，再将它交给一个欣赏其思想之美的共同体。如果数学交流变成机器说话、人类倾听，我不觉得这样的环境有多吸引人。」

态度——文化悲观派——不是技术问题——是制度 + 共同体文化问题。

五、4 个生态被冲击

5.1 arXiv — 限流到每月 2 篇

维度详情
原因AI 辅助 / AI 生成的证明淹没——arXiv 启动最严限流
限制每月每作者最多 2 篇
影响研究者承担艰难、且目前还得不到认可的工作：重写证明，让它们真正有益于数学共同体

5.2 MathOverflow — 活跃度大幅下降

学生开始私下向 AI 模型提问。

维度详情
原功能「知名研究者与年轻学生联系起来，并留下多年交流记录，供后人阅读和学习」
现状公开分享意愿下降——「不愿在又一个机器人能够接触到的空间里分享想法」

5.3 期刊 — TMLR 编辑的遭遇

《机器学习研究汇刊》（TMLR）的一名编辑联系了 10 篇拟被拒稿论文的作者，其中大多数人要么没有回复，要么无法回答有关其自称原创成果的基本问题。

5.4 学术保密化

OpenAI 宣布，已将 100 多项重要成果保密。

这还会进一步打击数学家的积极性，让他们不愿研究那些可能已经失去研究意义的问题。

「正在发生的事情，对开放科学造成了巨大伤害。」朱说。

六、3 个未来

6.1 未来 1：按按钮不读输出（黯淡未来）

「当这一职业完成代际更替后，你会看到一群数学家，他们接受的训练是按下按钮，却不阅读输出结果。」

「存在一种糟糕的未来：如果我们不适应，50 年后可能就再也没有数学了。没有人从事数学，连机器也没有。」

风险点——学术激励 → 工业目标——股东价值 > 学术价值。

6.2 未来 2：AI 凿矿 + 数学家阐释（重塑未来）

「数学家将不再花那么多时间费力地凿开永久冻土，从中挖出数学宝石。他们会把更多这样的开凿工作交给 AI，自己则尝试解释、理解和学习由此得到的成果。」

「届时，将有多得多的数学内容需要我们弄明白，数学家也会有大量工作可做——也许与过去不同，但肯定会很有意思。」

关键——「这些工作在一定程度上将涉及研究 AI 写出的证明，就像每位本科生都会学习教科书中已有的证明一样」——AI 证明变成「教科书知识」，数学家变成「教师 / 阐释者」。

6.3 未来 3：「作者之死」（Barthes 1967 的数学版）

这让我想起文学理论家罗兰·巴特 1967 年的著名文章《作者之死》：他认为，在主动创造作品意义的过程中，拥有最终控制权与能动性的是读者，而不是作者。

「如果 AI 证明了所有可能的定理，却没有数学家知道这些定理，那么它们就无法成为文化的一部分，因为文化从根本上属于人类。只有当某个人阅读了这些论文，理解它们，并从中有所收获，它们才会成为数学文化的一部分。」

下一代数学家必须：

  • 重写 AI 的证明
  • 寻找更优美的论证
  • 提出理论、框架和定义
  • 提出问题、构想新的猜想
  • 培养判断哪些内容有意思、哪些重要的能力
  • 制定研究计划、围绕某些想法建立共同体
  • 将这些知识传给他人

七、可信度红旗

红旗详情判断
163 自媒体单源文末无具体作者 / 媒体标识置信度：中-低
疑似长文翻译风格像 New Yorker / Atlantic 类长文——原文可能不是 163 自媒体置信度：中
具体 OpenAI 9-8 事件没说解决了哪个最著名难题——模糊置信度：低
数学家观点Aaronson / Ono / Litt / Etingof / Chu / Goh 都是真实数学家——但具体引用是否准确难核置信度：中
OpenAI 100+ 保密单一说法——没具体数字置信度：中
arXiv 限流这是公开信息——arXiv blog 可核置信度：高
MathOverflow 活跃度下降单源说法置信度：中
TMR 编辑经历单一案例置信度：中

八、对 Sam 的 3 点启示

8.1 你的「AI vs 人类职业」框架可以加一篇

你已有角度
Hinton 20+ AI 大牛警告智能爆炸 (10-03)AI 进化的整体警告
AI 宗师 + OA 集体疾呼 RSI (10-03)商业应对
PhAI Labs RSI-Anything (10-11)技术实现侧
Claude 核心研究员预测超人类 AGI (10-07)AGI 时间线
本文「第一个被 AI 系统性挑战的人类知识职业」——数学

Sam 你的「AI vs 人类职业」框架——「数学是第一个」——程序 / 客服 / 翻译 / 写作 等等还在后面。对 Hermes Agent / The Hive 的启示——Agent 替代人类工作不是你将来的事——已经发生。

8.2 「登山不只是到山顶」对学校 IT 教学的启示

WCEC 7 校的 AI 教育——核心问题不是「AI 能解题」——是「学生是否经历登山过程」**：

  • 不用 AI 时：学生爬山（理解 + 工具 + 灵感）
  • 用 AI 时：学生瞬间到山顶（有答案无过程）
  • 真正的能力 = 爬山 + 鉴赏山顶风景——不能跳过

建议：WCEC 的 AI 教学政策不是禁用 AI——是「AI 用作加速器，但过程分必考」——用 AI 解 100 道题 ≠ 真的懂 1 道题。

8.3 「作者之死」的工程版——AI coding 的未来

Barthes 1967 文学理论——读者才是意义创造者——同样适用于 AI 写代码。

传统观点Barthes 视角
AI 写代码 = 程序员的「替代品」AI 写代码 = 程序员在读 + 阐释 + 集成 + 改写 + 选用的对象
代码越多 = 生产力越高代码被理解 + 维护 + 阐释的越多 = 价值越高
「作者（程序员）的死亡」「读者（代码消费者）的决定」

对 Hermes Agent / The Hive 的启示：

  • 别做「AI 替我写代码」——做「AI 写的代码我能读、能改、能讲清为什么这样写」
  • 代码 review 能力比代码写作能力更稀缺
  • **「代码阐释者」**会成为 AI 时代的新工种——类似 Etingof 说的「数学阐释者」

九、未验证部分 + 待核清单

待核项建议核验源判断
9-8 OpenAI 解决了「哪个」最著名难题OpenAI 官方公告 / 数学社区（MathOverflow / X）可核（最高优先级——作者不明说很可疑）
Scott Aaronson 博客原文scottaaronson.blog可核（真实有 Aaronson 这个博客人）
Ken Ono 去 Axiom MathAxiom Math 官网 / 弗吉尼亚大学公告可核
arXiv 限流 2 篇/月arxiv.org 官方可核（高优先）
OpenAI 100+ 保密The Information / 媒体调查可核
MathOverflow 活跃度site analytics / Quantcast可核
Aaronson 「永远取代」原话博客原文可核
Roland Barthes 1967 「作者之死」学术文献真实有

配图

数学作为职业的未来 — 登山到山顶，浓雾弥漫，数学符号在雾中消散，小小的人影站在山顶

图 1：登山到山顶，浓雾弥漫 — 左侧「数学？」标题（带问号红色），中央 14 个数学符号（∫ π Σ ∈ ∂ ∇ φ ψ θ λ ∀ ∃ ∞ ∫f）在雾中模糊消散，远处山峰上一个微小的人影。呼应文章核心：「被瞬间传送到山顶，对一切毫无所知」不是登山。配色用深邃蓝灰 + 雾色 + 警示红（问号）—— 不模仿任何 AI 蓝白绿明亮风。

来源