AI 正在如何改变数学（以及其他一切）

AI 刚刚解决了一个困扰数学家数十年的问题。 不是因为“想得更深”，也不是因为“更聪明”，而是做了一件人类根本做不到的事：同时处理数以百万计的数据点，并从中捕捉我们永远看不到的模式。

被誉为当代最伟大数学家之一的陶哲轩教授，在国际数学奥林匹克竞赛上的一场演讲，彻底改变了我对 AI 的看法——不仅是在数学里，而是在所有领域。 我不会说“AI 会取代数学家”（不会）。我也不会说“AI 只是一个工具”（这太粗糙）。我想做的是：用两个具体而清晰的例子，说明 AI 此刻正在如何改变数学——以及这对所有依赖“发现”的领域意味着什么。

这是我从一位世界级智者那里学到的：机器，正在从根本上改变“证明”这件事本身。

I. 模式猎手

AI 的思考方式，和你完全不同。 当你看数据时，你只会看到你“在找的东西”。你有既定假设、有预判、有偏见，你会在自己已有认知的框架里，寻找特定的模式。

AI 没有这个问题。 它会“同时”看一切，而且是“没有先入之见”地看。

有时候，它会发现一些看起来“完全没道理”的联系——直到后来，人类才慢慢意识到：那其实很有道理。

结理论的例子

我们来看陶哲轩演讲中提到的一个具体案例。 研究者在研究结理论（knot theory）时，关注的是两个彼此看起来完全独立的方向：组合不变量（combinatorial invariants）和几何不变量（geometric invariants）。没人认为它们之间存在什么直接关系。

后来，研究团队用一个神经网络，在一个庞大的“结”数据库上进行训练。 AI 在其中发现：结的不变量（比如“结签名”）和某些几何不变量之间，存在相关性。这个关联，之前从未有人类注意到——因为根本没人往这个方向想。

这不只是“有点意思”的观察，而是直接催生了新的猜想、新的定理和新的理解。 AI 并没有自己“证明”什么，但它告诉研究者：可以从哪里开始挖。

这是 AI 的第一个超能力：作为永不疲倦的探索者。 它能在庞大数据集上四处游走，识别模式，挖掘那些人类极易忽略的关联。

更有意思的是：它同样能识别“错误的关系”。 当 AI 提出某种关联，但在严谨推敲下站不住脚时，反而会迫使研究者修正自己的假设，最终得到更加精确的结论。

它做的不只是“帮你在草堆里找针”，还会告诉你：哪些草堆根本就没有针，别在那儿浪费时间。

II. 证明机器

现在来说第二个超能力：形式化证明。 这正是 AI 的计算优势最耀眼的地方。

四色定理

你可能听过“四色定理”：给任何一张地图上色，只需要四种颜色，就能保证相邻的区域不会出现相同颜色。

听上去很简单，对吧？ 证明它却一点也不简单。

它需要检验成千上万种情况，远远超出人类手工验证的极限。于是，数学家们求助于计算机辅助证明。 同样的事情也发生在“开普勒猜想”上——那个关于如何在空间中“最紧密地堆放球体”的问题。

相关计算极其复杂，逻辑链条错综庞杂，人类需要借助 AI 精确的计算能力，来帮助完成验证工作。 这就是 AI 的第二个超能力：在复杂到人类难以完全把握的证明中，提供严格的形式化校验。

它可以处理大规模的分类讨论和穷举分析，完成远超人类心算或手算极限的验证任务。 但关键在于：它并没有“取代”数学家，而是在延伸他们的触角。

III. “白天鹅”问题

接下来是 AI 的短板。

因为 AI 严重依赖既有数据，所以它天然有一个局限：它最擅长的是“白天鹅”——那些常见、可预期、出现在训练数据里的结果。 那“黑天鹅”呢？

那些罕见的、不可预期的、超出既有知识边界的事件和发现——那些从“数据之外”闯进世界的突破？ AI 看不到它们。

因为它们根本不在数据里。 这一点极其重要。AI 在已有世界中寻找模式的能力非常强，但对于“还不存在的东西”，它几乎无能为力。

正如陶哲轩所说：“机器学习并不会直接帮你解决问题，它只是给了你一堆非常有用的提示，告诉你连接可能在哪里、该往哪儿看。但真正完成这些连接的，还是人。” AI 能帮你画地图，但它选不出“人生目的地”。

IV. 这对你意味着什么

你可能会想：“我又不是数学家，这和我有什么关系？”

关系大了。 任何依赖“发现”的领域，面对的都是同样的挑战：在海量数据中找模式，在复杂推理中保严谨，在未知领域中开路。

无论是医学、金融、工程，还是商业，其底层逻辑是相通的。 第一： AI 能帮你找到你自己永远看不到的联系，但前提是——你得知道该问什么问题。

第二： AI 能以你难以企及的规模，帮你“验算”你的工作，但你得知道自己到底在验证什么。 第三： AI 取代不了你的创造力，它只能把它放大。

未来不是“人类 vs AI”，而是“人类借助 AI，一起探索到单方永远到不了的地方”。

V. 我们现在走到哪儿了？

那现在的现实状况是怎样的？ AI 同时扮演着灵感源泉和强力验证器两种角色。

它让我们更高效地探索数学和其他领域，帮助我们发现新的模式，验证复杂的证明。 但它暂时还做不到“独立攻克”那些真正的大问题。

它极大地支撑了科研，但并没有把科研这件事变成“全自动”。 可以这样理解：AI 是望远镜，而你依然是天文学家。

望远镜让你看得更远，但你决定要把它对准哪里，以及你看到之后，打算怎么做。

前行的方向

随着 AI 技术不断演进，我们会看到越来越多复杂问题被攻克。 但有一点不会改变：人类的创造力与洞见，始终是“发现”这件事的核心。

无论 AI 多强，它替代不了那一瞬间的直觉，那一次“跳跃式”联想，那种把看似毫无关联的事物接起来的创造性火花。 AI 所能做的，是让这种“飞跃”发生得更频繁、更有力、更具影响力。

通过替你承担计算的重负，通过在海量数据中寻路，通过帮你检查复杂的证明细节。 好让你把精力，集中在那件只有人类能做的事情上：提出那些真正重要的问题。

你现在可以做什么

如果你所处的领域涉及“探索”与“发现”，我有几点建议：

第一： 学会把 AI 当成“探索引擎”来用。不是让它替你思考，而是让它把你的思考半径扩展出去。 第二： 充分理解它的边界。它很强，但不是魔法；它跨不过自己的训练数据。

第三： 有意识地训练自己的创造力与直觉。这些，是 AI 难以复制的能力。 第四： 拥抱这种合作关系。未来属于那些能和 AI 协同工作，而不是被动对抗它的人。

最重要的一点：保持好奇。 因为最强大的，不是“人类智能”或“人工智能”中的任何一方。

而是被人工智能放大的那个人类智能。 真正的突破，往往就诞生在这里。