陶哲轩警告：AI快速解出数学难题或“污染”数学发展，称孪生素数突破一幕“令人无语”
数学家陶哲轩指出，AI可能通过黑盒方式解决纳维-斯托克斯方程等开放问题，但若过程不透明，将抑制数学中新思想和新方法的产生，甚至使AI对数学的整体影响转为负面。
AI解读：陶哲轩的担忧核心是：数学难题的价值不仅在于最终答案，更在于攻克过程中催生的新思想和新方法。他举例说，如果AI通过内部迭代直接给出纳维-斯托克斯方程的解，而过程不透明，那么数学家就无法从中学习，问题本身也就失去了推动后续研究的作用。OpenAI、Anthropic等公司近期在孪生素数问题上用AI将素数间距上界缩至186、188等，但过程未公开，陶哲轩对此表示“无语”，认为这种竞争可能扼杀人类数学家的创造过程。对普通读者而言，这提醒我们AI在科研中的角色不仅是加速工具，也可能改变知识生产方式；对数学家和研究机构而言，需要警惕在追求结果时，保留探索路径和过程透明的重要性。
菲尔兹奖得主、数学家陶哲轩（Terence Tao）在社交平台Mastodon上发文，对AI在数学研究中的应用发出罕见警告：AI快速且黑盒地解决开放数学问题，可能“污染”问题本身，抑制数学领域的真正发展。他特别以纳维-斯托克斯方程全局正则性问题为例，指出若AI在缺乏透明度的情况下直接给出答案，数学界将无法从中获得新思想，AI对数学的净影响甚至可能转为负面（来源：量子位）。
OpenAI近期发布GPT-6 Astra，宣布在孪生素数猜想上取得进展，用Lean形式化证明将连续素数间距上界从246推至186（来源：量子位）。同期，Anthropic和Axiom也宣布将这一上界分别缩至188和212（来源：量子位）。陶哲轩在评论区吐槽：“这可真是令人无语的一幕。”他感谢牛津大学数学家Julia Stadlmann在8月31日及时公开了对平滑模数的新估计，将上界缩至240，认为若非如此，她的工作可能被AI抢先“污染”（来源：量子位）。
AI解题过程黑盒化，数学价值或遭侵蚀
陶哲轩在帖子中强调，如果希望AI辅助解决开放数学问题的迭代过程能产生真正的理解，那么负责迭代的人或系统最好不能提前知道最终正确的拟设（ansatz）。一旦提前知道重点，就容易抑制对其他路线的探索，而这些路线虽看似“死胡同”，但它们为何失败往往极具启发性。他同时点明，运行AI系统的公司“把通往最终拟设的整个过程几乎完全隔绝在公众视野之外”（来源：量子位）。
他举纳维-斯托克斯方程全局正则性问题为例：该问题原本是研究AI如何辅助数学的好样本，但如今“问题的答案可能主要由AI生成，而它出现的方式会污染这个问题，使其不再能够像过去那样成为推动后续数学进展的源泉”（来源：量子位）。他指出，计算流体力学已成熟，证明解的正则性或构造爆破解不会从根本上改变天气预报或气候变化研究；真正关键的是研究过程——历史上，尝试解决该问题的过程产生了Leray–Hopf弱解、Gagliardo–Nirenberg–Ladyzhenskaya不等式、Prodi–Serrin部分正则性定理等基础性思想和定理（来源：量子位）。
- 陶哲轩本人曾因尝试解决纳维-斯托克斯爆破问题，意外将流体计算、图灵普适性和辛拓扑联系起来，说明“失败本身产出了更多有价值的数学成果”（来源：量子位）。
- 他预测，若AI通过机器学习模拟、严格区间算术、形式化证明和大语言模型提出拟设的组合最终解决该问题，生成的形式化证明文件可能成为“人类迄今构造过的规模最大的形式化证明产物之一”，但若人类无法理解证明，“证明该问题很重要的一部分价值也就不存在了”（来源：量子位）。
- 他还提出“更糟糕的假设”：一个自主运行的AI Harness在巨量计算资源下内部完成整个迭代过程，最终找到正确拟设并解决纳维-斯托克斯方程；届时数学界最著名的开放问题之一被解决，但“数学本身几乎没有因此获得任何新增价值”（来源：量子位）。