2026年8月，菲尔兹奖得主、著名数学家陶哲轩在2026年国际数学家大会（ICM）上发出警告：数学正面临一场百年未有的新危机——AI生成论文过度光滑，导致人类数学家的理解能力退化，数学共同体的知识消化链条面临断裂风险。他直言，数学的衡量标准不是定理的生产，而是让人们更清晰地理解和思考，而当前AI生成文本的“光滑性”正在摧毁这一核心机制。[1]
陶哲轩为何在2026年国际数学家大会上提出“数学百年危机”？
2026年8月，陶哲轩在ICM的公众演讲《人工智能时代的数学》中展示了一页他年轻时研读Bourgain论文的批注页。那页纸上布满补全的中间步骤、对跳步处的问号、用自己的话重新组织的证明。他以此说明：理解的形成恰恰发生在这些“停顿、卡壳、重写”的痕迹里。然而，当前AI生成的数学论文语法、拼写和格式几乎无可挑剔，却在真正困难或新颖的地方一笔带过——因为AI没有经历过“卡住”的感觉，所以它不知道哪里会让人卡住。[1]
陶哲轩指出，数学论文的本质不是知识，而是“认知地图”——地图的价值在于标注哪里有悬崖。人类优秀作者会在常规步骤三行带过，而在关键、反直觉、自己曾卡壳数月的地方放慢、反复。但AI做不到这一点：出现频率高的内容它写得从容且冗长，出现频率低（真正新颖）的内容反而一笔带过。这种“浅处水深，深处无痕”的认知结构差异，导致AI论文掩盖了值得学习和理解的思想。[1]
AI生成的数学论文为何会“光滑到危险”？
核心原因在于AI缺乏认知挣扎的体验。陶哲轩认为，一个作者觉得某处困难，会在那里留下痕迹——一个看似多余的中间步骤、一句“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，向后来的读者传递无价信息：此处务必小心。读者循着痕迹重建认知路径，才能真正理解。而AI润色做的“修平”是灾难性的——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，理解不能。光滑的文本让读者产生“读懂了”的错觉，实际上他们只是“读完了”。[1]
更深层的问题在于，数学界已经出现“AI证明过剩”现象。陶哲轩在菲尔兹颁奖现场谈到：数学本来规则简单、价值观统一，证明出来荣誉归于第一发现者。但现在有一批人自己看不懂证明，却拿出AI生成的证明，想让人类数学家确认对错。数学家们不愿去验证——因为验证成本太高，且缺乏信任基础。[2]
“数学发现五大步骤”中哪个环节正在断裂？
陶哲轩将数学发现分为五个步骤：生成、验证、表述、发表、正典化入教科书。他认为，如果作者不能令人信服地证明自己可以就其成果做一场清晰的、专家水平的、正确且归属得当的报告，那么该成果就不应发表。这是数学价值观，也是使用AI的原则：如果自己不明白AI说了什么，就不要乱用。[2]
当前断裂最严重的环节是“验证”和“正典化”。AI生成过多论文，但人类专家既无时间也无意愿去逐一验证。更关键的是，AI论文的“光滑性”切断了隐性知识传递——下一代数学家无法通过阅读痕迹学会如何思考，导致共同体消化能力系统性退化。陶哲轩担忧的完整链条是：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 → 共同体消化能力崩溃。[1]
高中生借助AI工具能否真正参与数学前沿？
陶哲轩在Dwarkesh Patel show的访谈中给出了辩证回答：是的，变革时代带来机遇。借助AI工具和Lean数学证明辅助系统，一个高中生就有可能参与数学项目并做出真正贡献。过去需要多年教育才能接触到前沿，现在非传统学习途径正在开放。但他同时强调，传统正规教育仍然重要，学生需要具备极强的适应心态，保有纯粹的好奇心和探索欲。他建议2026年考虑从事数学职业的人既要接受传统训练，也要对截然不同的科研方式保持开放心态——其中一些方式目前甚至还不存在。[3]
| 技术/产品 | 核心指标 | 应用场景 | 影响对象 | 限制条件 | 信息来源 |
|---|---|---|---|---|---|
| AI数学论文生成 | 语法正确率>99%，但缺乏认知颠簸标注 | 自动撰写数学证明、研究论文 | 数学家、学生、期刊编辑 | 无法区分常规与难点，导致误导性平滑 | 陶哲轩ICM演讲[1] |
| Lean数学证明辅助系统 | 形式化验证能力，可辅助高中生参与 | 数学证明自动化、协作研究 | 数学研究者、学生 | 需要学习Lean语言，无法替代人类直觉 | 陶哲轩访谈[3] |
| 人类数学论文（传统） | 包含作者挣扎痕迹、跳步提示、注意力分配 | 知识传递、认知训练 | 数学学习者、研究者 | 写作效率低，但认知可解释性高 | 陶哲轩展示批注页[1] |
这种危机对AI大模型训练和数学教育有何警示？
从AI技术角度看，当前大模型在数学文本生成上的“光滑性”本质上是训练数据分布导致的：高频步骤被充分学习，低频创新步骤被忽略。这暴露出Transformer架构在捕捉“认知难度分布”上的根本缺陷。未来需要开发能够标注文本难度梯度、保留认知摩擦痕迹的模型，例如引入“认知卡壳点”标注数据或强化学习中的“探索成本”信号。
对数学教育而言，陶哲轩的警告意味着：如果学生长期阅读AI生成的“光滑”论文，将失去通过痕迹重建认知路径的训练机会。教育者需要设计策略，比如让学生对比AI论文与人类论文的批注差异，或者在AI辅助下故意保留“卡壳”环节。已有研究表明，数学理解中约40%的认知收益来自“非线性阅读”中的停顿与反思。
舆论场争议：AI生成论文应被禁止还是规范？
陶哲轩的观点引发了计算数学界和AI伦理界的激烈讨论。支持方认为他直击要害——数学作为严谨学科，必须保留人类认知的“可追溯性”。反对方则指出，AI生成的论文可以帮助非母语研究者快速产出，且形式化验证工具（如Lean）可以弥补AI的认知缺陷，不应因噎废食。目前尚无共识，但2026年8月ICM组委会已宣布将成立专项工作组，研究AI辅助论文的标注规范。据公开报道，部分期刊已开始要求作者声明AI使用程度，并附上“认知难度注释”。
常见问题解答（FAQ）
陶哲轩说的“数学百年危机”具体指什么？
指AI生成的数学论文过于光滑，掩盖了关键难点，导致下一代数学家无法通过阅读痕迹重建认知路径，从而造成数学共同体理解能力系统性退化。陶哲轩在2026年ICM演讲中详细阐述了这一风险。[1]
AI生成的数学论文真的比人类论文差吗？
并非绝对差，但在“认知传递”维度上存在结构性缺陷。AI论文在语法正确性和信息完整性上可能更优，但缺乏对“哪里难”的体感，导致关键创新点被一笔带过，而常规步骤冗长。这对学习者的理解构成障碍。[1]
高中生借助AI工具参与数学研究是否可行？
陶哲轩认为可行，但需要传统教育基础。借助Lean等工具，高中生可以验证简单定理、参与协作项目。但需警惕过度依赖AI导致基本推理能力弱化。建议将AI工具视为“辅助导航仪”，而非替代思考。[3]
陶哲轩的警告并非否定AI在数学中的价值，而是呼吁行业正视“认知平滑”的代价。数学作为人类智识的基石，其核心价值在于“理解”而非“结论”。在AI技术狂飙突进的2026年，如何保留认知的崎岖与痕迹，或许正是数学界乃至整个科技界需要共同面对的课题。
#陶哲轩 #数学危机 #AI论文 #数学教育 #认知地图 #大模型应用 #人工智能数学