证明正确，但没人因此变聪明——数学家对 AI 征服数学的反驳

选文理由

这篇文章来自哥伦比亚大学数学家 Michael Harris，2026 年 6 月 10 日发表于 Boston Review。

市面上关于「AI 能否取代数学家」的文章已多如牛毛，但几乎全是在外部围观。Harris 是圈内人，他写这篇文章时，收件箱里刚落了一封 AI 公司发来的招募信，邀请他以每小时 185 至 400 美元的价格为他们「训练模型」——用几十年积攒的数论专业知识充当人类机器人。这一细节是整篇文章的情感锚点，也是它的论证起点：当 AI 公司把数学家的「理解」当作可以按小时购买的商品，他们究竟误解了什么？

文章提出了一个非常具体的论断：AI 可以做「推理」（reasoning），但无法代替「理解」（understanding）；而数学之所以是数学，恰恰在于它是一种「礼物经济」——知识必须自由流通，才算是知识。这两个概念放在一起，构成了一个对 AI 征服数学这一叙事的根本性反驳，而且这个反驳和科幻式的「AGI 恐惧」完全不同：它来自数学内部，用的是数学自己的语言。1

核心论点梳理

论证骨架：AI 能证明，但无法让我们变得更聪明

一、数学的两种分裂：推理 vs. 理解

自 1956 年达特茅斯会议以来，AI 征服数学的预言反复出现。2024 年 IMO 银牌、2025 年金牌；DeepMind 的 Aletheia 在 2026 年三月证明了代数几何的一个定理；OpenAI 在五月宣布解决又一个 Erdős 问题……Harris 承认，AI 在「推理」层面的进展是真实的。但他区分了两件不同的事：

推理（reasoning）：从公理出发，按规则一步步推导，得到逻辑上有效的结论。这是可以形式化、可以机械验证的。
理解（understanding）：知道为什么这个证明「让我们变得更聪明」。

Fields 奖得主 William Thurston 说过一句广被引用的话：「数学家在做的事情，说白了就是推进人类对数学的理解。」数学家 Yuri Manin 则给理解下了一个最简洁的定义：「好的证明是让我们变得更聪明的证明。」 AI 生成的百万行证明，在形式上可能完全正确，但没有人因此变得更聪明。1

二、一段被遗忘的历史：「理解」如何进入危机

Harris 追溯了计算机与数学之间的一段复杂史：

1976 年，Appel 与 Haken 宣布用 1200 小时计算机时间证明了四色定理。数学界的反应不是欢欣，而是不安。英国数学家 Frank Bonsall 说：「如果论证的一部分藏在箱子里，我们就根本无法实现证明的本质要素——我们自己的个人理解。」

1998 年，Tom Hales 用逾 10 万行代码完成了 Kepler 猜想的证明。数学年刊的审稿人审了多年，最终「精疲力竭，放弃了」。Hales 随后启动 Flyspeck 计划，把证明转写成机器可读的形式语言，并宣布：「这项技术把数学审稿人切出了验证流程。他们对证明是否正确的意见不再重要了。」

但 Harris 的问题是：机器验证了形式上的「正确性」，这等于「理解」了吗？这个疑问不是保守主义情绪，而是认识论上的根本分歧。1

黎曼 ζ 函数的复平面可视化图 — 黎曼猜想示意图。黎曼假设是数论中最著名的未解问题，也是 AI 公司争相宣传「终极目标」的象征 1

三、为什么黎曼猜想的解决「意义不同」

Harris 用黎曼猜想做了一个思想实验。AI 公司把攻克黎曼假设（RH）当作旗帜——因为它是六道「千禧年奖题」之一，奖金百万美元，是数学的象征制高点。但 Harris 问：数学家为什么在乎素数是否随机分布？

不是因为它有加密系统的实用价值（计算机验证的精度早已远超实际需要），也不是因为 Werner Herzog 说的「人类追求绝对」——而是因为如果素数的分布不是随机的，背后就必然有一个「原因」。Fields 奖得主 Timothy Gowers 称之为「无巧合原则」：数学里的惊人巧合背后，必有来由。找到那个来由，就是理解。

如果 AI 打印出一份百万行的黎曼猜想机器证明，所有符号都形式正确，但没有任何人能读懂为什么——这不是数学的胜利，而是数学理解的终结。1

四、数学是一种「礼物经济」，无法被商品化

这是文章最深刻的一段论断。Harris 写道：

「理解的证明可以有许多形式——定理的证明、图示、新的统一概念的定义——但它们共同的特征是：必须可以自由流通，随时可以被分享；否则就不算数学。数学只有作为一种礼物经济才有意义。它没有商业秘密；它的理解无法被货币化。」

数学礼物经济的概念插图：古典图书馆里学者传递发光定理，与角落封锁的保险柜形成对比 — 数学理解的本质是礼物经济：必须自由流通才算是知识。图中右侧标有「PROPRIETARY MATH」的保险柜，正是 Harris 所批判的商品化逻辑的具象。AI 生成插图。

这和 AI 公司的商业模式构成了根本冲突。OpenAI 的 CEO Altman 在 3 月的 BlackRock 峰会上说得直白：「我们的愿景是，智能将成为一种像电力或水一样的公用事业，人们按流量向我们购买。」数学理解恰好是那种一旦被「装进水表」就不再是数学的东西。1

「他们充其量是在告诉你，AI 公司的目标是知识创造的民主化。回到现实，Handshake AI 的邮件是异化劳动的教科书案例。」——Harris 对 AI 公司招募数学家做「幽灵工作」的评价

五、「知识坍缩」与莱顿宣言

MIT 经济学家 Daron Acemoglu（诺贝尔奖得主）领衔的研究警告：过度依赖 AI 处理情境特定问题，会导致「知识坍缩」（knowledge collapse），其极端情形是「所有人类知识最终被摧毁」。2

Harris 自己参与起草的《莱顿宣言》于 2026 年 6 月 2 日发布，是数学界第一份关于 AI 的伦理准则。它明确警告：科技产业的介入「使数学的自主性受到威胁」，并在全体起草者一致同意下写入：数学家不应参与「用于战争、压迫、大规模监控或破坏民主的技术开发」。3

Harris 不把这份宣言读作焦虑，而是一种乐观：「相信数学家仍然『有选择』，可以维护我们的礼物经济，仍然有地方让人类奉献生命和精力于数学，或其他任何事情，因为他们喜欢它。」

原文亮点段落

第一处：打破「AI 就要解决黎曼猜想」的幻觉

"Why, then, does it matter so much to Silicon Valley whether the primes are distributed randomly? Why does Surge AI—which counts Harvard, Oxford, NASA, and the Olympics, Goldman Sachs and Navy SEALs among its clients—promise on its home page to hire 'the world's greatest minds' to 'train AI to explore the Riemann Hypothesis and beyond'?"

Harris 随后的回答：对 AI 公司来说，攻克 RH 的意义不在于数学本身，而在于文化资本——就像 DeepMind CEO 凭 AlphaFold 拿了 Nobel 奖一样，这类「奖杯」能把文化资本魔术般地转化为真实的投资资本。「这是为了吸引你的注意力，亲爱的读者！」1

第二处：「礼物经济」与「异化劳动」的直接对碰

"Mathematics only makes sense as a gift economy. It has no trade secrets; its understanding can't be monetized."

这一句之后，Harris 立刻切换到 Handshake AI 那封招募信，请资深数学家做「专家评估」、时薪 185 至 400 美元——「专家」在这里已经变成了 Antonio Casilli 所称的「与软件单元几乎无法区分的人类机器人」，汉娜·阿伦特所说的「人被降格为商品」。1

第三处：Manin 的一行定义

"A good proof is a proof that makes us wiser." ——Yuri Ivanovich Manin，苏联数学家、1968 年费马大定理研究奠基人之一 1

这是整篇文章的核心判据。一份机器生成的百万行证明，即便形式完全正确，也没有让任何人变得更聪明——按 Manin 的标准，这不是「好的证明」，因此也称不上真正的数学理解。

原文链接：Knowledge Collapse — Boston Review｜作者：Michael Harris（哥伦比亚大学数学教授）｜发表于 2026 年 6 月 10 日