2026年秋天,人工智能在数学领域的浪潮已经不可阻挡。从自动证明定理到辅助解题,大语言模型正在重塑研究的生态。然而,就在陶哲轩的博客上,一场关于"数学家的价值究竟由什么构成"的讨论却引发了广泛共鸣。这场讨论的起点,是知名科普人、3Blue1Brown创始人格兰特·桑德森撰写的一篇客座文章。 桑德森在文中提出一个令人警醒的观察:当前数学界普遍以"证明"作为衡量成就的标尺 - - 无论是终身教职评审、期刊发表,还是各类奖项的授予,几乎都建立在这个标准之上。而在过去,证明之所以被视为可靠的指标,是因为它背后往往凝结着真正的理解。
但如今,人工智能可以在没有人类理解的情况下生成可信的证明,这就让"证明"这一代理指标失去了原有的信用。 那么,除了证明,还有什么值得数学界奖励的工作?桑德森的答案是他所称的"动机解释"。他对比了证明与动机解释的差异:证明由定义出发,逐步推演出结论;而动机解释中的定义出现在论述的中途,是回应明确的问题之后才自然而然引入的。证明容错率为零;但动机解释却允许从"看起来差不多说得通"的想法开始,经由试错与修正逐步逼近真理。桑德森借用迈克尔·尼尔森创造的词汇"发现虚构",来概括这种以思想发展为线索的叙事方式。 更重要的是,动机解释并不等同于科普。
桑德森明确表示,即便是极度专业、需要多年训练才能理解的领域,同样存在动机解释的空间 - - 它追问的是"你凭什么走到这一步",面向的是任何渴望真知的读者。在这个意义上,一篇优秀的数学评论、一本出色的教材、甚至一场精心设计的学术报告,都可以被视为上乘的动机解释。 桑德森借用了"动机"一词,这并非偶然。他强调,"动机"是一种可以被检验的属性:每一个新引入的概念,你能不能清楚地说明它的来由?这个问题虽然不及形式证明那样精确,却也足够指导实践。他坦言,数学的本质既然包含"人类理解"这种天然带有某种模糊性的目标,我们就不能在追求它时回避主观判断。 在给出具体建议之前,桑德森列举了几个例子,说明"动机解释"并非全新的事物。
他谈到蒂莫西·高尔斯主编的《普林斯顿数学指南》中那些深入浅出的领域导引;他讲到比尔·瑟斯顿在《论证明与进展》中将自己定位成"人类理解的增进者",以及他制作的几何动画《从外向内》;他还引用了蒂莫西·周在《力迫法入门》中命名的"开放阐述问题"。这些工作都有一个共同点:它们都在处理数学中真实存在的、关于"理解"的困难,只是这种困难不像定理求证那样容易被度量和认证。 桑德森特别详细地回顾了2026年4月发生的一个事件。当时,人工智能系统GPT-5.4 Pro帮助研究员利亚姆·普莱斯解决了埃尔德什的本原集猜想 - - 一个困挠了学界多年的开放问题。可有趣的是,当机器证明公布之后,人们虽然确认了结果,却并没有因此获得多少"原来如此"的启发感。直到纳特·苏塔纳潘和贾里德·利希特曼等人把机器生成的思路转化为人类能够理解的推理链,并最终由鲍里斯·阿列克谢耶夫、凯文·巴雷托、李彦阳、贾里德·利希特曼、利亚姆·普莱斯、吉布兰·伊克巴尔·沙阿、唐全宇与陶哲轩等八人合作完成后续的扩展论文后,数学界才第一次对这个问题产生了真正的"掌控感"。
这个案例完美地说明了桑德森的核心论点:人类探索的成果并不仅仅是那个"最终定理",而是围绕定理形成的整个理解网络。AI证明的诞生,强制我们重新审视学术界对"原创贡献"的定义 - - 拓展人类知识固然永远有价值,但把已有知识传播给更多人也同样值得尊敬。 桑德森并没有停留在抽象呼吁,他提出了几条具体的路径。他建议,学生可以尝试为已解决的问题构建更清晰的解释,甚至可以直接把"讲解"作为博士阶段的成果;可以设立类似"千禧年大奖"的奖项,公开悬赏那些重要但缺乏透彻解释的领域;可以创建更多像《数学话语》一样专注于促进理解的期刊;可以在招聘和任期评审中增加教科书、综述文章和专业报告的权重;还可以设立针对早期职业数学家的推广奖项,让优秀的阐述者得到与证明者同等的职业晋升机会。 桑德森本人的观点是:这么做不只是在捍卫数学家的地位,更是在为数学的未来确立新的价值观。新一代学生正在犹豫,是否要投身一个"由AI主导"的领域;但他们没有意识到,这正是成为领域塑造者的最好时机 - - 一个学科的活力,往往体现在它能够主动探讨"什么才是它最重要的部分"。
当数学界的领导者和机构毫不含糊地表明这种转变,并以实际行动支持鼓励"理解"的工作,数学作为一种公共事业的价值也将被重新确认。 在文章的结尾,桑德森将话题引向更广阔的领域,主张这是一个资助数学的最佳时机。如果数学的下一章由"人类理解"这两个字来定义,那么数学作为一项公共事业的价值将空前提升。他鼓励年轻一代数学工作者:不要因变革而恐惧,而应感到激动 - - 因为他们正站在一个可以选择如何定义自己学科的历史关口。数学的未来,依然会由人来书写,而这份荣光,绝不属于任何一台机器。 。
