本报讯 被广泛认为是当今在世最杰出纯数学家的加州大学洛杉矶分校（UCLA）教授陶哲轩（Terence Tao）近日发出警报，称当前加速中的人工智能（AI）数学竞赛正在耗尽该领域的优质开放问题储备。
2006年菲尔兹奖得主陶哲轩昨日于数学社区 Mastodon 实例 Mathstodon 发文指出，真正推动数学前进的是“值得研究的未解疑问”，而非证明或论文。他写道，任何人都能发明无限多的数学问题（例如计算π的第googol位数字在技术上仍是未解开放问题），但几乎无一重要，因为多数无法拓宽学科认知。关键在于认清什么才值得付出努力。
“简而言之，不加区分地使用强大的解题提取工具，虽能实现眼前短期目标，却要以牺牲下一波进步的生态系统或阻碍理解已有进展为代价。”陶哲轩表示。
随着推理模型与最新前沿AI系统发布，实验室已开始向数学与科学难题倾注巨额算力。Anthropic 与 OpenAI 将模型投向人类数学家数年乃至数十年未能攻克的问题，成果涉及量子物理、应用数学与医学。但数学具有特殊性：真正困难的问题相对稀缺，研究者常精心挑选耗费数月或数年的课题。
以往判断依赖领域的“难度地貌”——哪些问题微不足道、哪些需真功夫、哪些凭现有工具无望。新方法曾夷平部分地貌，也开辟超限新前沿。陶哲轩论证，AI打破该模式，因为无人能精确言明模型能力止步何处。
这并非假想场景。今年5月，OpenAI 模型推翻了已有80年历史的埃尔德什单位距离猜想（关于平面上多少点对可恰距一单位）。包括菲尔兹奖得主蒂姆·高尔斯在内的外部数学家验证了该证明。同一周，Anthropic 研究员 Levent Alpöge 将同一问题输入未发布的顶级模型 Claude Mythos，离线运行以免抄袭OpenAI已发表解。工程师 Sholto Douglas 称其结果是一个“可爱、简单的证明”，短于 OpenAI 版。数学家 Daniel Litt 评价其“稍逊”于 OpenAI 版，但 Mythos 也找到了 OpenAI 的解法。
就在本周，Anthropic 形式化了有数百年历史的费马最后定理证明；数日后 OpenAI 破解一道90年难题，时间在一位研究员发表自己的证明并与 Anthropic 研究员合著论文后几小时。这场竞赛正是陶哲轩所忧。
Myriad: How high will Nvidia trade in Sept? Click to make your prediction.
“我们现在看到，即便是某人正在研究某问题的谣言，也会触发大量 AI 驱动的尝试，在原创研究项目发挥全部潜力前将其夷平。”陶哲轩写道。他认为这逆转了数个世纪的开放科学。
陶哲轩提出的对策是将某些问题标记为“需分析”（analysis-required），即除非附带能揭示邻近问题线索的推理，否则正确的原始答案价值甚微。他类比食品银行停止接受仅可食用的捐赠。另一条路是禁止数学中使用 AI，他称这“技术上不可行”。该提案尚未成为任何地方的政策，且基于大实验室的作为，即便此策眼下也可能技术不可行。