当地时间 9 月 11 日，包括陶哲轩、邓煜在内的 25 位菲尔兹奖得主联合发布《人工智能在数学中的严重错位》声明，把数学界与 OpenAI、Anthropic 等 AI 公司之间的争论再次推高。声明认为，AI 公司把解决数学难题作为模型能力基准，这种做法已经对数学科学本身和数学共同体造成损害，也与数学界长期追求概念理解的根本目标出现明显分歧。
这场分歧在近期迅速公开化。9 月 8 日，OpenAI 表示，其一款未公开的内部 AI 模型用 88 个小时解决了纳维-斯托克斯方程存在性与光滑性问题。该问题涉及描述流体运动的核心方程，应用场景包括天气预报和飞机设计。美国克雷数学研究所（CMI）早在 2000 年就将这一问题列入七大千禧年大奖难题之一，并设立 100 万美元悬赏。
但在 OpenAI 发声前，纽约大学数学家特里斯坦·巴克马斯特与 Anthropic 研究员莱文特·阿尔珀格已经围绕相关问题取得关键进展，并于 9 月 7 日公开成果。随后，巴克马斯特公开批评 OpenAI，称该公司是在得知他们取得进展后才加大投入。他还透露，自己曾把未发表的草稿和推导放入 OpenAI 的代码工具中使用，因此怀疑模型曾「偷看」这些内容。
OpenAI 否认了这一说法，但同时承认，无法完全排除用户数据在模型训练中产生间接作用的可能。目前，OpenAI 没有申领 CMI 悬赏的计划，数学界也尚未正式认可 OpenAI 的证明。
围绕学术优先权、数据伦理与科研边界的争论升温
OpenAI 的相关举动很快引发一场关于学术优先权、数据伦理和 AI 科研边界的激烈讨论。报道提到，自今年 5 月以来，已有多个数学难题被 AI 攻破。OpenAI 近日还透露，已将目标转向另一项千禧年大奖难题——霍奇猜想。
2010 年菲尔兹奖得主、瑞士日内瓦大学教授斯坦尼斯拉夫·斯米尔诺夫，是这份联名声明的 25 位签署人之一。9 月 12 日，他接受《中国新闻周刊》专访，就这场争议作出回应。
斯米尔诺夫说，声明从起草到发布只用了几天，原因在于许多同行并未预料到事情会发展得这么快，争议也会如此之大。在他看来，AI 发展速度很快，各方需要尽快行动，为未来制定游戏规则。
「像掘土工人抱怨被挖掘机取代」并不准确
对于声明中使用的「严重偏差」一词，斯米尔诺夫说，首先要回答的是社会支持数学研究究竟为了什么。在他看来，数学与音乐、艺术一样，属于人类文化的重要组成部分，同时又是许多学科与技术的基础。对很多数学家来说，数学的文化和艺术价值本身就很重要。
他说，从手机、飞机到机器学习本身，许多社会应用都来自对数学之美的追求。把数学作为大模型能力的衡量标准，本身并非完全不能理解，因为模型能力已经强到很难找到合适的评估基准。但现有做法往往聚焦于产出著名猜想的冗长证明，而在探索这些问题过程中出现的思想，可能更重要。
斯米尔诺夫还提到，曾有两位朋友把数学家对 AI 证明的不满，比作掘土工人抱怨自己被挖掘机替代。他并不认同这种比喻，而是把场景改成考古发掘：挖掘机确实更快，但也可能毁掉珍贵文物；如果由一群速度慢得多的工人去挖掘，这些文物反而更有机会被保存下来。
他主张建立新规则，而不是简单排斥 AI
谈到 OpenAI 围绕纳维-斯托克斯方程引发的争议时，斯米尔诺夫表示，已经看到一些大模型在不注明作者的情况下挪用他人思想，或者使用未发表的思路。如果换成人类数学家，这会被视为严重违反学术伦理。对于「AI 抄袭人类可以接受」的观点，他明确表示不同意。
不过，他认为眼下更重要的问题，是不同群体和个人对此抱有完全不同的看法。正因为如此，需要建立新的规则来处理这类冲突。他还说，AI 的继续发展可能会显著改变其工作方式，人们对 AI 的理解也必须不断调整。若从积极角度看，仍可在各类利益相关方之间寻找对话与平衡，但这需要投入真实努力。
在他看来，声明并不是要杜绝 AI，也承认 AI 有潜力帮助和加速数学研究。按照他的描述，AI 很擅长理解已知信息、做实验，以及检验现有方法能否解决当前问题；但在判断新方法是否有效、或者提出真正新颖的想法时，目前表现仍然不佳。不过他也提到，这类能力提升得很快，未来几年传统研究方式可能不得不调整。
他最担心的不是速度，而是理解被证明取代
对于近期 AI 驱动的数学突破，斯米尔诺夫说，到目前为止，他还没有看到特别令自己惊讶的进展，一些他真正感兴趣的问题似乎仍然超出 AI 能力范围。真正让他担忧的是，研究活动越来越重视得出证明，而不是理解研究目标本身，这可能伤害科学本身，也会影响其潜在应用。
在数学训练层面，他认为即便对有经验的研究者，AI 也可能带来明显损害。他举例说，一位学者朋友坦言，过去一年使用 AI 生成课程练习题和答案后，自己处理学生水平相关问题的能力都变差了。不过他也观察到，大多数学生已经意识到这种风险，会优先尝试自己解题，只把 AI 当作提示工具。
「平权尚未到来」
对于如果 AI 可以大规模产出数学结论，人类数学家还有什么意义的问题，斯米尔诺夫说，AI 现在更偏向以一种形式化方式研究和突破问题。最终结果或许可以被理解，但问题在于「谁来理解」。他提出一种可能：人们正在见证一种新的科学工作形态出现，即从 AI 生成的文本中挖掘思想。至于 AI 本身能否真正产生新想法，他的回答是，就目前来看还不能，但他也表示自己无法下定论。
谈及 AI 生成数学证明是否会让前人研究的合理引用变得更困难、并可能削弱知识连续性时，斯米尔诺夫表示，原则上确实如此，尤其是在人的理解跟不上 AI 证明的情况下。但如果能够找到避免这种情况的方法，建立良好的人机协作模式，AI 反而可能成为很有用的工具。
他说，自己也曾尝试把 AI 用于个人研究问题，但目前最顶尖的模型似乎仍不太实用，原因可能是缺少一些关键理解。不过在检索某一领域的已知信息和校对文章方面，AI 的表现已经非常好。
对于近期一系列事件是否意味着 AI 带来的知识平权正在发生，斯米尔诺夫的判断很直接：「我还没看到多少平权。」他指出，大多数进展依赖的都是不公开模型。如果 AI 公司愿意与数学家共享资源，而不是把所有事情都留在公司内部，情况可能会好得多。他表示，自己相信这种局面很快会出现，AI 公司与数学家之间终将形成某种共识，平权也会随之到来。