这一消息在数学界引发了强烈震动。数学家Mathew将这一时刻形容为”非常迅速且非常令人不安的变化，尤其是对年轻数学家而言”。他的措辞折射出一个核心焦虑：当证明生成模型与Lean这样的机器验证工具结合，人类在数学领域仅存的少数优势之一正在消失。

从计算到证明：AI的进化轨迹

这并非AI首次在数学领域取得突破。1997年，IBM的深蓝击败国际象棋世界冠军加里·卡斯帕罗夫时，人们并未停止下棋，反而从中学到了新策略。但数学有所不同——它关乎的不仅仅是计算能力，更是逻辑推理与创造性思维的结合。

哈佛大学毕业生Alpöge是这一突破的关键人物之一。他花费了十年时间使用算法来解决这类问题，而非传统的人工推演。他的工作证明了一个趋势：AI不再仅仅是数学家的辅助工具，而是开始独立产出原创性成果。

“品味”：人类最后的护城河

哥伦比亚大学数学教授迈克尔·哈里斯（Michael Harris）在6月发表于《波士顿评论》的文章中提出了更深层的反思。他认为，AI行业将推理和理解视为”商业上毫无价值”的东西，将人类数学家视为”智能的测试版”。然而，数学是人类社会中最后几例”非异化劳动”之一——正如阿贝尔奖得主皮埃尔·德利涅所言，人们从事数学是因为可以”靠玩耍谋生”。

数学家Buzzard指出了人类仍然保有优势的一个领域：提问的能力。他将这种能力称为”品味”——知道什么问题值得问。硅谷也用这个词来描述这种直觉判断。

“人们已经尝试让机器提出问题，但它们的表现糟糕透顶，”Buzzard说。”它们提出的所有问题要么无聊，要么明显为真，要么明显为假。”

他进一步指出，数学史上的丰碑——如黎曼猜想或凯勒的雅可比猜想——都是以提出问题的人命名的，而非解决问题的人。”这不是巧合。你必须是一个杰出的数学家，才能提出正确的问题。”

风险与现实

AI对数学的冲击发生在一个特殊的时间节点。美国国家科学基金会的数学研究经费在当前政府执政期间已下降约72%。今年秋季，顶尖研究型大学的博士招生人数下降了15%，这是连续第二年收缩；乔治·华盛顿大学的数学博士项目将完全不招收带资助的新生。

Y Combinator总裁加里·谭（Garry Tan）在X平台上将这一趋势解读为”绅士科学家”时代的回归——像本杰明·富兰克林那样，靠个人财富资助好奇心。但Alpöge并非业余爱好者，他是哈佛大学的优秀毕业生，投入了十年时间用算法攻克这类问题。

这或许正是保持人类在数学循环中不可替代的关键。超越计算、超越逻辑推理，”理解”的本质——在底层——是知道该问什么问题。而目前，这仍是机器的盲区。

但这一切正在以前所未有的速度变化。当证明生成模型与形式化验证工具相遇的那一刻，人类在数学领域最后的堡垒之一便已出现裂痕。问题不再是”AI能否做到”，而是”人类将如何重新定义自己的角色”。