There's never been a better time to go into math
三句話摘要
人工智慧來臨時代下,數學的未來發展與學者職涯的可能性。 # 在 AI 時代,數學的未來不在於證明本身,而在於誰能提出好問題、建構優雅理論、清晰溝通想法,以及激發他人的熱情。 AI 在證明生成上的進展速度超預期:從 2023 年無法自然解決競賽級幾何問題,到 2026 年能產出嚴肅研究級別的證明;但這只是冰山一角,關鍵是業界模型已能在人工智慧互動中提供深度見解。
重點整理
AI 在證明生成上的進展速度超預期:從 2023 年無法自然解決競賽級幾何問題,到 2026 年能產出嚴肅研究級別的證明;但這只是冰山一角,關鍵是業界模型已能在人工智慧互動中提供深度見解。
數學的價值層次多面向,證明只是其中一環:應用端應用往往源自理論框架(如群論、非歐幾何),而非單一定理;人類透過做數學培養的問題解決能力具高度可遷移性;數學帶來的美學喜悅與思維重組本身就有價值。
理論建構應成為評估標準,證明則視為原始資料:過去證明是人類理解的代理指標,未來應轉變思維——證明像數值計算一樣是支援理論建構的原始資料,真正的創新在於如何將眾多證明織成連貫的新理論架構。
教學與人類互動的不可替代性:資金流來自授課(學費與公共資金),而學習動力根本源自看見有熱情的人、社群連結;即便機器能更清楚說明,人與人的互動仍是教育的核心,使教學成為 AI 衝擊最小的領域。
#
實用技巧與重點
- AI 進展的具體案例:
- DeepMind 2023 年的幾何模型(當時被批為生硬蠻力)
- 2026 年自然語言模型已能解奧林匹亞級問題
- OpenAI 最近發布的 Navier-Stokes 問題解與數百問題證明
- Erdős 問題的機器證明(曾被指為「低懸果實」,現已包含嚴肅未解問題)
- 數學的主要資金來源:
- 教學(最大)
- NSF 資助
- Simons Foundation 等私人基金會
- 產業資金
- 數學研究的組成部分:
- 定理證明
- 提出值得追求的問題
- 理論建構與定義框架
- 應用開發
- 清晰溝通
- 歷史範例中理論框架的影響:
- 16 世紀求解三次方程 → 虛數理論 → 量子力學與電工學應用(跨越數百年)
- 歐幾里得第五公設 → 非歐幾何 → 廣義相對論
- 費馬最後定理 → 代數幾何與橢圓曲線理論 → 密碼學應用
- Konstantin Kogler(高等研究院)的評論:
- 在模型幫助下解決領域內最重要的開問題時表示:「我感到難以置信的興奮……因為我最渴望得到的洞見」
- #
結論
在 AI 時代,數學的未來不在於證明本身,而在於誰能提出好問題、建構優雅理論、清晰溝通想法,以及激發他人的熱情。
完整解析
數學社群正面臨一場身分危機。隨著大型語言模型與推理模型在證明生成上的能力快速提升,許多學生與教授開始質疑:數學未來還有出路嗎?講者 Grant Sanderson 認為,這種焦慮源於對數學價值的過度狹隘理解。
首先要理解的是,數學的價值並非來自孤立的定理證明,而是來自三個維度。第一個維度是應用層面——數學成果如何流向科學與工程。但這些應用幾乎總是源自理論框架的創新,而非單一證明。歷史上最有影響力的數學進展,如笛卡爾坐標系、伽羅瓦的群論、格洛滕迪克的代數幾何,都不是因為某個具體定理的證明本身,而是它們提供了全新的思維方式——就像一片上升的海平面讓人輕鬆從一座山頂航向另一座山頂,而非被迫逐一翻越所有山谷。
第二個維度是個人層面:透過做數學來培養問題解決能力。這種能力具有驚人的可遷移性,許多學生最終進入計算機科學、機器學習、AI 安全、密碼學等領域,他們帶去的數學思維方式成為核心競爭力。第三個維度往往被低估,那就是純粹的美學享受——數學帶來的那種「點擊聲」,是一種思維方式被重新組織的特殊滿足感。
資金流向反映了這些價值維度。教學是最大的資金來源——不僅因為數學系招生人數多、學分時數龐大,更因為公共與私人資金認可教學在培養人才上的作用。即使機器在證明生成上超越人類,這不會直接威脅資金流,理由有三:
其一,應用端的進展仍需人類的理論直覺來判斷哪些新型數學可能有用。其二,問題解決能力的習得本質上需要人親自練習——就像健身房的意義不在於機器能舉更重的重量,而在於你親自訓練肌肉。其三,教學的本質是人與人的互動。教育不是被清晰的解釋所限制,而是被學習者的動力所限制,而動力來自看見有熱情的人。講者與高等研究院的 Konstantin Kogler 的對話生動地說明了這一點:當機器幫他解決領域最重要的開問題時,他表達的不是失落,而是難以抑制的興奮——因為他終於看到了多年渴望的洞見,進而能將這個證明融入更大的理論框架中。
但這也暴露了一個文化危機。長期以來,數學社群用證明作為人類理解的代理指標,這個評量標準正在失效。當證明可由機器生成時,它變成了原始資料而非終極目標。講者建議社群進行根本性的重新思考:證明應被視為支持理論建構的工具,就像數值計算數據一樣。真正的創新在於能否看穿眾多證明背後的簡潔原理,將其編織成新的理論框架。這意味著學位評估、學術認可制度都需要改變——從重視誰證明了什麼,轉向重視誰提出了什麼有趣的問題、誰建立了什麼新的理論架構、誰能清楚地向他人講述和解釋這些想法。
面對這些不確定性,講者對學生給出的建議出人意表——不是被動地適應,而是主動塑造未來。他認為現在是進入數學領域的最好時機,因為整個社群都知道需要改變,正虛心尋求指引。新進者有機會在數學身分重新定義的關鍵時刻施加影響。具體的建議包括:走出去與同僚對話,思考自己對數學的熱愛究竟來自何處;著力發展口頭表達能力(因為在證明變得廉價的時代,清晰論述變得更寶貴);以及最重要的,找到自己在數學價值鏈中真正想貢獻的位置——無論是理論建構、問題提出、應用開發或科普傳播——然後義無反顧地投入。
#


