数学的“第四次危机”：AI 证明冲击数学的尊严与权威

（本文作者为 Barrons巴伦，钛媒体经授权发布）

过去两年，资本市场正在把“AGI”“AI for Science”“自动科研”“AI科学家”写进对科技公司的增长预期。投资者关心的已经不只是模型能否生成更好的文字、代码和图像，而是它能否进入科学发现最稀缺的环节——提出问题、形成猜想、构造证明，并由此持续创造新知识。

如果机器能够独立完成科学发现，AI的经济含义就不再只是效率工具：科研生产函数、人才稀缺性、研发周期乃至科技公司的估值边界都可能被重写；如果它只是把搜索、计算、验证和形式化效率推到新的高度，那么资本市场就需要区分“科研生产率革命”与“自主科学发现”之间的距离。

数学恰好提供了一个最苛刻、也最干净的试验场。它几乎不受实验设备、原材料和现实噪声干扰，一个证明要么成立，要么不成立；但数学又从来不只是答案，它还依赖问题意识、可理解性、证明风格与代际传承。因此，当AI开始在奥赛、形式化证明乃至开放问题上进入研究现场，争论的就不只是数学家的职业未来，也是在检验资本市场最宏大的AI叙事：机器究竟是在成为更强的科研工具，还是已经跨过了科学发现本身的门槛？

数学这个古老王国，历史上曾经三次面临地基崩塌。前三次，震源分别在“数”的深处、“无穷”的雾中和“集合”的自指里；而这一次，我姑且称之为“第四次危机”。

所谓“第四次危机”，目前还不是像前三次那样被数学史公认划出的分期，更像一阵正在逼近的地震波。2026年尚在襁褓的AI动摇了数学最古老的尊严与权威：一个命题怎样才算被证明？谁有资格证明？证明必须被人理解吗？是啊，如果上苍的答案唾手可得，还会有人日夜不眠地爬上那条通天之梯吗？

数学素有“科学之巅”之誉；数学史若写成英雄传，这四次危机便不是四次失败，而是四次涅槃重生。

AI证明，已经从竞赛走向研究现场

越靠近风暴中心，话术越膨胀。OpenAI 内部曾有工程师私下达成一种共识：“经典数学今天已死，AI 将以不可阻挡之势，终结大多数职业数学家的职业生涯。”

2026 年 10 月 6 日，OpenAI 在 GitHub 一次性抛出 722 篇由内部模型生成的数学手稿，归为 372 个结果族，从“准黎曼猜想”到“唯一游戏猜想”，平均每项只消耗约三小时“思考算力”；首席执行官奥特曼当晚发文：“我们正进入一个全新的发现时代。”OpenAI 数学家布贝克更放言，到 2030 年，AI 有望与数学家共同站上菲尔兹奖领奖台——言下之意，数学专业的毕业证还没焐热，就要提前作废。然而事实比狂言冷静得多。

回到 2024 年，DeepMind 的 AlphaProof 与 AlphaGeometry 2 在 IMO 上解出 6 题中的 4 题、得 28 分，相当于银牌，距金牌线只差 1 分——前提是题目要由人类先翻译成形式语言，最难的题算了整整三天，两道组合题一道未解；2025 年升级版模型解出 5 题、拿到金牌级分数，但依然是竞赛题，依然没碰过任何真正的开放问题。

到了 2026 年，AI 确实开始“做研究”：5 月给埃尔德什单位距离猜想造出反例，9 月宣称动用约一万个智能体、用 88 小时攻下纳维—斯托克斯方程这一千禧年难题，10 月一口气放出数百份手稿——可发布次日，就有 3 篇因一处符号正负号写反而被撤回，14 篇被修订，OpenAI 自己的数学家也承认，大部分结果“尚未被理解”。

AI狂言负责造势，事实负责记账：AI 证明的真实刻度，是从“会做奥赛题”到“能批量生成待核验的候选”，中间隔着“人类能看懂、能消化、能传承”这道它至今没有逾越的鸿沟。

数学家真正反对的，不是AI

面对这场“跑分竞赛”，数学家罕见地集体起身。2026 年 6 月，16 位数学家发布《莱顿宣言》，提出 23 条建议，反对未经同意拿论文训练模型、绕过同行评审直接发布结果、不标注前人工作，24 小时内签名破千，国际数学联盟背书；9 月 11 日，陶哲轩、邓煜等 25 位菲尔兹奖得主——在世得主中相当大的一部分——联名发表《人工智能在数学中的严重错位》，措辞罕见严厉：“解题只是达成理解与洞见的工具与代理指标；以越来越快的节奏批量生产‘真/假’陈述，可能摧毁孕育新思想的沃土。”这封声明不是反对 AI 参与数学——陶哲轩本人就是 AI 的重度用户，他曾说数学几乎是唯一能自动核验 AI 输出的学科，也警告过“没有独立核验能力，就不要用 AI 工具”——他们反对的，是把数学变成公司跑分、抢声量、争名利的战场。

陶哲轩 2026 年 7 月在国际数学家大会上，把这场冲击称为“数学价值观与实践的危机”，提出“证明消化不良”：生成与验证被 AI 加速，理解与传承却仍靠人类节奏，速度错位之下，海量证明反而成了新的认知负担；他还主张一条近乎苛刻的发表门槛——“如果作者不能就自己的结果做一场清晰、专业的报告，这个结果就不该发表。”10 月 7 日，他更在自己的博客转载了“人类数学协会”的声明，呼吁数学家停止与 OpenAI 合作：“一次性发布 700 多份文件，展示的不是学术研究，而是权力。”有人把这天叫作“数学末日”，有人斥责大厂行径“像黑帮”；也有人——比如刚获菲尔兹奖的邓煜——签署声明后又安抚同行：“焦虑没必要，过一两年，新生态自会形成。”反对与抵制，抵的从来不是机器，而是把一门人类手艺降格为指标、把理解从数学里开除出去的企图。

前三次数学危机，如何塑造今天的AI

（一）第一次危机：三角形里那只背叛的怪物

故事要从公元前六世纪左右的爱琴海边说起。古希腊数学家、哲学家毕达哥拉斯生于萨摩斯岛，后在意大利南部克罗顿创立毕达哥拉斯学派。

毕达哥拉斯学派是宗教、哲学、与数学于一体的团体，一方面，他们相信宇宙秩序的本质是“数”，而且最好是整数与整数之比，即所谓有理数。另一方面，他们引以为傲的最美的公式，莫过于直角三角形中那条庄严关系：

传说为庆祝证明而献祭了一百头牛，故称 “百牛定理”，其实就是勾股定理。

相传希帕索斯就是那个毕达哥拉斯学派中证明了√2不能表示为整数之比的弟子。他发现如果等腰直角三角形的两条直角边都是 1，斜边便是

问题来了：这个 c 究竟是多少？希帕索斯盯着它看，越看越恐惧。他试图用分数逼近：

但是永远差一点，却又永远够不着。

后来鼓起勇气，他给出证明：若

已是最简分数，则

，于是 p 是偶数；进而 q 也只能是偶数——矛盾，因为分数明明已经“最简”。也就是说，有些长度永远不能写成整数之比。

今天称它们为无理数——不能写成两个整数之比、十进制展开无限且不循环的数；可在当时，这近乎渎神：如果连正方形对角线都能逃出“可公度”——两条线段能用同一单位长度的整数倍共同度量，也就是“能写成整数之比”的几何版表达——的掌心，所谓宇宙按整数谱写的天音，岂不是走调了？

后来的故事被戏剧化了，有人说希帕索斯因泄密被扔进海里。细节已难考，但“发现者遭到清洗”的意象抓住了第一次危机的痛感，不是算错一道题，而是信仰系统被数学本身证明有罪。

果真如此的话，信仰有理数的人，很无理地将发现无理数的人灭了口。但第一次危机并未被“消灭”，倒像被绕开：

古希腊数学家欧多克索斯（Eudoxus of Cnidus）用精妙的比例论，他创立的穷竭法后来孕育了微积分的思想萌芽，即处理不可公度量，把算术问题转译成几何语言；古希腊数学因此越来越依赖图形与演绎。

直到两千多年后，德国数学家理查德・戴德金（Julius Wilhelm Richard Dedekind）用“戴德金分割”，把实数定义为有理数集合的分割；后与格奥尔格・康托尔（Georg Cantor）等人一起建立严格的实数理论，让数轴上每一点都有对应的数、有理数与无理数尽收其中，那条海沟才被填平。

第一次危机告诉数学：你以为能写成比例的，未必都能写成比例；几何救了你一次。它让数学长出实数的基石。“连续”“逼近”“无穷”从此都有了精确含义。今天AI机器里的每个浮点数、每条曲线的梯度，都奔跑在这片地基上。

（二）第二次危机：来去无踪的“逝去的幽灵”

快进到十七世纪末。牛顿与莱布尼茨各自点燃分析学革命。

这场独立发明后来引发了延续百年的优先权之争，而莱布尼茨创立的微分记号沿用至今。算曲线斜率、面积、速度，他们都用了一种像魔术师手帕一样的量：不是零，却又“小到可以忽略”；算着算着，它忽然又变成零。

瞬时速度是位移对时间的导数——也就是差商在Δx趋于零时的极限——近似写成

然后那句千古咒语来了：令Δx趋近于零，但别等于零；等式两边又像已经用过了零一样处理。莱布尼茨叫它“微分”，牛顿叫它“流数”；但它们究竟是什么？是真实存在的无限小量，还是符号戏法？

1734 年，爱尔兰主教贝克莱发表《分析家》向微积分基础开火。他不无刻薄地说这些无穷小，“既不是有限量，也不是无限小量，也不是零；它们难道是逝去的量的幽灵吗？”这话刺痛了，因为微积分明明强大得可怕：行星轨道、抛物弹道、最速降线，都像被它驯服；可它的地基却像雾。

于是整个十八、十九世纪，数学家做了一场漫长“加固地基”的运动。达朗贝尔、拉格朗日等人试图把“极限”说清楚：自变量趋近某一点时，函数值无限接近其目标值。真正压住阵脚的是法国数学家、分析学严格化运动的先驱柯西，他用“变量无限趋近”重新陈述极限，再用不等式约束这个“趋近”。他的《分析教程》日后成为现代数学分析教材的雏形。

最后，被称为“现代分析之父”的魏尔斯特拉斯把咒语译成现代严格定义：

从此“无限接近”不再是玄学，而变成：你任意给定一个误差ε，我都能给你找到足够小的δ，使得自变量满足 |x-a|<δ。则函数与目标值之差满足 |f(x)-L|<ε。这套被称作“ε-δ定义”的语言，把“无限接近”翻译成了可验证的精确条件。实数也被严格构造出来，微积分从“会用但心虚”变成逻辑自洽的体系。今天每一位数学系毕业的学生都经过这样的严格训练。

第二次危机不像战争，更像修复大教堂：穹顶仍然宏伟，只是里面重新打了钢梁。它告诉数学：威力巨大的无穷，必须被极限驯服；严谨救了你一次。数学由此长出现代分析的神经。

第二次危机用极限驯服无穷，让微积分从“会用但心虚”变得逻辑自洽，催生了严格分析；而如今AI驱动神经网络训练的反向传播与梯度下降，本质仍是牛顿—莱布尼茨的遗产，只是换上了自动求导的外衣。

（三）第三次危机：一封撕毁全书的信

第三次危机最像惊悚片，开场却是无上荣光。

1900 年，希尔伯特在巴黎列出著名的二十三个问题，宣告数学可以进入严密新时代。

与此同时，康托尔的集合论这门曾被誉为“数学的天堂”的分支，像万能语言：连续、无穷、函数、数列，似乎都能装进“集合”这个篮子。戈特洛布・弗雷格（Gottlob Frege），一位德国逻辑学家，逻辑主义纲领的旗手，尤其悲壮而浪漫，他把逻辑主义推到极致，撰写《算术基本规律》，企图用纯逻辑推出全部算术。此时全书即将定稿付印，像船要下水，只剩香槟未开。

1902 年，英国哲学家、数学家罗素（Bertrand Arthur William Russell）写了一封信给弗雷格，您建的房子很美，可它可能住着一条毒蛇。

这条毒蛇就是罗素悖论。

定义一个集合：R={x∣x∉x} 即“所有不属于自身的集合组成的集合”。然后问一句普通的：R 属于 R 吗？

若 R∈R，按定义，R 由“不属于自身”的集合组成，所以 R∉R。若 R∉R，那它满足“不属于自身”，又该有 R∈R。

一个通俗版本就是理发师悖论，理发师：我只给镇上所有不给自己理发的人理发。问：理发师给自己理发吗？

不生不死，像一条咬住自己尾巴的逻辑蛇。它不依赖高深概念，只用最朴素的“把一些对象放一起”。可当最朴素的概念爆炸，数学所有楼层都会晃：数、函数、空间、证明，底层常常是集合。正因如此，日后数学家们建立起以 ZFC 为代表的公理化集合论，试图为“集合”重新划定安全的边界。

数学界反应剧烈，分化出三条路线：

逻辑主义想把数学化归为逻辑，罗素与怀特海后来在《数学原理》中部分实现了这一纲领；

直觉主义以布劳威尔为代表，主张不应无条件迷信排中律（即任一命题非真即假、不存在第三态的逻辑原理）；也不应把无穷全集当作已然存在的对象；只有可构造的对象才有数学意义；

形式主义则是希尔伯特的宏大构想：建立一套完备公理与推理规则，像机器一样证明体系“无矛盾”。希尔伯特喊出二十世纪最具雄心壮志的口号“我们必须知道，我们必将知道”：证明数学本身一致、完备、可判定，给数学王国修一道永不倒塌的城墙。

这三条路线的对峙，后来被称为“数学基础之争”。

面对希尔伯特纲领，1931 年，奥地利逻辑学家库尔特・弗里德里希・哥德尔（Kurt Friedrich Gödel）出手扶大厦之将倾。他考察的对象是足够强、自洽（无矛盾）、能表达初等算术的形式公理系统，皮亚诺算术、《数学原理》体系都属于这类，其不完备定理包括：

第一不完备定理 一定存在命题，在该系统内部既不能证明，也不能证伪（不可判定命题）。简言之，只要这个系统强到能做自然数算术，就永远存在 “真，但系统内部证明不了” 的陈述。哥德尔利用哥德尔编码，把关于证明的元数学语句翻译成算术命题，构造出自指命题：“这个句子在本系统不可证”。

第二不完备定理 这套足够强的自洽系统，无法在系统内部证明自身没有矛盾。如果想要证明这个系统是自洽的，必须借助更强的外部系统。换言之，它终结了希尔伯特形式主义纲领。希尔伯特希望用有限手段证明整个数学无矛盾、完备。哥德尔则告诉我们，这件事恐怕做不到了。

1936年，英国数学家、计算机科学之父、人工智能之父艾伦・麦席森・图灵（Alan Mathison Turing）进一步证明，不存在通用判定算法，为希尔伯特的判定问题画上句号；“可判定性”，即是否存在算法判定某类命题真假的属性，从此有了边界。

哥德尔说：形式公理系统内部，存在真但不可证明的命题；图灵说：计算本身存在算法不可判定的问题。证明的边界与算法的边界二者互为补充，彻底击碎希尔伯特的梦想：用一套机械化算法，一劳永逸判定全部数学命题。

第三次危机的奇特之处在于：它没有被“解决”得干净利落，而是改变了问题。我们不再幻想有一座绝对自明、包罗万象、自我担保永不崩塌的天堂；数学家学会分层、控制表达力、证明相对一致性，在不完备中仍建造壮观结构。像人类知道地基下有暗流，于是学会打更聪明的桩。

第三次危机告诉数学：哪怕你把一切放进集合，把证明交给符号，仍会撞上自我指涉的深井；数学家学会了谦逊，也学会在边界内建立不可思议的秩序。它培养出了对公理边界的敬畏。

第三次危机则将AI的根扎得更深：罗素悖论逼出类型分层，哥德尔证明任何足够强的系统都有不可判定命题，图灵用停机问题为“可计算”划界——正是这些工作塑造了计算理论的骨架，让“算法”“可判定”成为可以操作的数学对象。

第四次危机：机器坐在门口

现在，2026年轮到第四阵地震波。但这阵地震波并非从天而降。前三次危机，恰好为 AI 的登场悄悄铺好了三层地基。可以说，没有前三次危机逼出的严格化、分析与逻辑地基，就没有今天的人工智能；第四次危机的特殊之处恰在于，这一次，地基上长出的工具AI如今开始反过来拷问数学自身的权威。

如果我们把人工智能称为数学的“第四次危机”，关键不在“机器会证明一切”，而在数学的权威被重新拷问：什么算证明？谁算作者？可理解性是不是真理的必要条件？以及更深的一层问题：如果数学显得唾手可得，还会不会有人愿意成为数学家？

故事可以从一个深夜的数学系办公室说起。过去，数学家的夜是这样的：台灯、草稿纸、咖啡，脑子里孵化一个引理，失败，重来，终于有一天写下“Q.E.D.”这可是拉丁语“此即所要证明的”，当年数学家写下结论时的庄严落款。而现在，屏幕左边是大模型生成的十页“证明”，右边是 Lean 编译器，下面是一个几何定理搜索程序在跑几百万条辅助构造。你忽然发现，数学工作不再只是“想出证明”，而越来越像“指挥、审查、修复一支由机器组成的证明军团”。

（一）AlphaGeometry——当机器开始会做奥赛几何

几何学曾是人类数学的圣地：从几条公理出发，靠直观和辅助线，一点点逼近完美。

近几年，DeepMind 的 AlphaGeometry 在国际数学奥林匹克（IMO，一项 1959 年创办于罗马尼亚、每年一届、百国参赛、以几何题难度著称的中学生数学竞赛）风格的几何题上表现出人意料地强，媒体标题很刺耳：“AI 达到 IMO 金牌水平”。2024 年，这项成果发表于《自然》：30 道 IMO 几何题解出 25 道，接近人类金牌平均分。

真正让数学家心里不爽的不是分数，而是求解风格。人类之几何证明如同高深的剑术：观察图形，寻找全等、相似、圆幂关系，添一条神来之笔的辅助线。AlphaGeometry 更像大规模搜索：把几何事实符号化，从题设出发爆炸式生成可达结论，直到目标被撞见。

于是，第一道裂缝出现：“被理解的美”历来只是证明的审美理想，从来不是其合法性的必要条件；但当这种不可复述、只能验证的证明越来越多，数学证明会不会从“洞见”退化为“搜索命中”？不是机器错了，而是数学第一次要回答：一个没人能凭直觉复述、却经严格符号验证成立的证明，算不算“好数学”？

（二）Lean 与 mathlib——证明的裁判从人变成编译器

过去，“这个证明对不对”由同行评审、期刊、时间共同裁决。现在，以 Lean、Coq 为代表的定理证明助手，用计算机逐行验证数学证明正确性的软件；其中的 Lean 由微软研究院的德莫拉主持开发，2013 年起步开始改变生态：你把命题写进类型论语言。这套以“类型”为基本构造的形式系统，源于罗素《数学原理》的类型分层思想，证明必须像代码一样通过编译；mathlib 数学库（即 Lean 的社区数学形式化库，超百万行代码、数百贡献者）像一座不断生长的“可机读数学大陆”。

AI带来的好处巨大：低级错误被机器挡住，庞杂分支学科第一次可能连成统一形式体系。其代价也非常明显：数学门槛的一部分从“想出来”迁移到“写对”。一个深刻想法可能因没人会形式化而搁浅；一段繁琐但可编译的证明，反而被机器庄严接纳。

于是，第二道裂缝出现：“真”与“被机器承认为真”开始重合，但它们未必永远同步。如果未来数学共同体规定不接受非形式化证明，人类直觉的价值会被压低，数学可能变成少数能驾驭形式语言者的城堡；如果反过来过度依赖机器验证，人类又会失去判断证明好坏的能力。

（三）AI 帮数学家发现新猜想——不再只证明，还开始“点火”

很多人以为 AI 只能算得快。更微妙的是，它开始参与“提出有价值的问题”。DeepMind 曾与数学家在纽结理论、表示论等方向合作：神经网络在高维结构里发现人类忽略的模式，数学家再把这些模式翻译成猜想、定理与证明。

这类故事最迷人的地方是：机器不像欧几里得那样从公理庄严推进，而像在海量数学对象上“闻出异味”。

欧几里得（Euclid）是古希腊数学家，他的《几何原本》建立了从公理出发的演绎体系，影响数学两千余年；连他那条“过直线外一点恰有一条平行线”的第五公设，后人称之为平行公设，也两千余年证明未果，直到尼科莱・伊万诺维奇・罗巴切夫斯基（Николай Иванович Лобачевский）等人创立非欧几何，人们才明白它本不该被证明。

而AI时代的数学发现，恰恰开始摆脱这种“证明驱动”的范式。于是，这可给数学家当头一棒！数学发现一直是“证明驱动的”，现在出现了“模式驱动的”。模式不是证明，但没有模式，许多证明根本不会出生。数学史上的英雄都是证明定理的人；未来的英雄，也许是能判断哪一团噪声里有金矿的人。

（四）大模型幻觉——最会说话的数学可能最危险

第四次危机最滑稽也最危险的一面，是生成式 AI 的“从容不迫地胡说”。这正是一种被称作“大模型幻觉”的现象：看似合理，实则错误。它能把错得离谱的恒等式说得滴水不漏，能伪造文献引用，能在伪证里编造不存在的定理，还能把一段本来正确的证明悄悄篡改逻辑链条。

比如它可能写出：“由费马小定理的推广，即所谓 Generalized Gauss—Euler Transform，可知……”名词看起来专业严谨，结果根本不存在。真正的费马小定理是数论的基础工具——若 p 为素数且 p 不整除 a，则 a 的 p−1 次幂 ≡ 1 (mod p)；那句“推广”纯属编造。初学者最容易受害于此：不是被错误直接击败，而是被权威的语气催眠。

于是，数学被迫重新定义“可信度”：以前是“它发表在顶级期刊，所以大致可信”；现在标准变成“它可在 Lean 形式化验证 / 具备可复现代码 / 多独立来源交叉验证 / 推理步骤可被人类逐层拆解”；未来甚至会引入对抗模型互查。这很陌生：数学，这门最不信任权威的学科，开始需要一套“抵御 AI 伪证”的免疫体系。

（五）可解释性危机——证明存在，却无人能住在里面

设想这样一个未来场景：机器宣布解决了一个千禧年难题——2000 年克雷数学研究所设立的七个悬赏难题之一，每道悬赏一百万美元，至今仅庞加莱猜想获证——给出四万页形式化证明，压缩后仍有一千页关键引理。每一步都能被单独验证，但整体没有人，包括制造它的人，能完整理解证明的整体策略。它像一座没有窗的大厦：结构检测合格，柱子不歪，材料真实，可没人知道它为什么能站稳。

这不是纯粹幻想。形式化项目已经能够承载超长机器证明；AI 搜索也能找到人类不会选择的怪异路径。

于是，问题变成第四次危机的哲学核心：数学真理是否必须服从人类理解力？如果答案是“必须”，我们可能为了保护数学人文主义，拒绝接受这类超强证明；如果答案是“不必”，数学将变得像高能物理或基因组学：个体无法掌握全部，只能信任整套系统。对一门以“明晰推演”为自豪的学科来说，这比任何悖论都更伤自尊。

数学家的恐惧：唾手可得的答案，无人继承的王国

如果第四次危机只到“机器会不会证明”，那还太肤浅了。数学家更深的恐惧是：人们以为数学答案唾手可得，就不会有人再从事数学；如果没有了数学人才，就不会产生问题与思考，那时候数学还能存在吗？

想象二十年后的一间教室。老师问：“这道题为什么成立？”学生抬起头，很自然地说：“我已经问过了，AI说成立。”老师说：“我是问你为什么。”学生愣了一下，像听见一个古老的方言：“为什么还重要吗？反正答案唾手可得。”这就是危机的起点。

数学最怕的不是错误答案，而是问题消失。当“得到结果”变得像拧水龙头，人类会误以为数学本来就是现成的水，而不是凿井、修渠、净化、忍受干旱的一整套文明技艺。数学从来不是答案的仓库，更像一种心智疫苗：人通过忍受抽象、失败、反直觉和长时间无回报，获得一种能力——在现实不完全听话时，仍然敢说：“让我证明给你看。”

但要分清两层。一层是知识层：定理、公式、证明文本、数据库，AI 确实可能让它瞬间可得。另一层是能力层：提出好问题、识别伪装成证明的废话、知道该信什么、把混乱世界压成结构。这个东西不会因为聊天框里蹦出答案而自动长在人的认知里。

搜索引擎让信息唾手可得二十多年了，可我们并没有因此普遍更会思考；反而许多人更容易被标题、谣言、漂亮截图牵着走。因为信息越便宜，辨别越昂贵。数学也一样：答案越便宜，理解越昂贵；证明越自动，品味越稀缺。

再想象 AI 给出一份“证明”。如果没人受过专业训练，谁发现里面偷换了量词？谁看出它混淆相关与因果？谁意识到那个引理只在紧致情形下成立？谁敢判断：“这个结果漂亮，但方向平庸；那个结果难看，却可能开辟一个新世界？”

没有了这些人，AI 仍会吐出越来越多的文本。数学知识不会立刻死亡，反而会像热带雨林砍伐之后留下的厚厚落叶层，温热繁茂，却不再长出新的参天大树。

所以，“数学还能存在吗”要看你问的是哪一种存在。若问柏拉图式的存在，那些结构、素数、群、流形是否还“在那里”？也许永恒不变。就像没人精通拉丁语后，西塞罗的修辞仍保存在羊皮纸上；没人会手工制表后，天文规律依旧高悬天空。但若问作为人类事业的数学，那就危险。因为数学不是死材料，而是一种连续的手艺：导师把品味传给研究生，研究生把挫败经验传递给后辈，证明风格在争论中打磨锐利，概念在讲堂上被重新阐释。这个链条一旦中断两代，AI 可以保存定理，却不能自动复活问题感。

数学史上最缺的从来不是答案，而是问题。没有希尔伯特，许多领域不会汇聚；没有黎曼——德国数学家，黎曼几何与黎曼猜想的提出者——那张只有几页的论文，几何学会走向完全不同的形态；没有那些看似无用的奇想，范畴、拓扑、概率不会长成今天的骨架。AI 很会回答，但目前它更擅长在已有人类文本空间里高效重组；它若只依赖人类留下的问题和证明，就可能变成一座极其聪明的回音室：回声越来越响，声源越来越弱。

这才是“无人从事数学”的真正后果：不是明天就没有新定理，而是二十年后，我们仍有海量回答，却忘了该问什么。

不过，历史也给了相反的可能。每一次工具革命都会淘汰一批旧手艺，同时释放新的热情。印刷术让手抄经卷衰落，却扩大阅读的人群；望远镜让肉眼星图失色，却催生天体力学；计算器让心算神童减少，却让学生更快进入建模与证明。

AI 也可能降低进入门槛：一个偏远地区的孩子，本来一辈子碰不到好老师，现在可以被耐心解释某个引理；工程师能快速掌握数学工具；视障者、夜班从业者、中年学习者，都能问出过去不敢问的问题。

因此，第四次危机未必是“没人学数学”，而可能是数学从少数苦修者的秘传，变成一种更大众的素养。但前提条件几乎苛刻：使用 AI，不该代替形成独立思考；应该像拄拐练腿，而不是让人误以为从此不需要腿。

未来真正稀缺的，不是会输入指令“给我证明”的人，而是能追问三件事的人：你这个证明依赖了哪些隐含前提？这个结论在哪个边界上失效？如果这是错的，数学体系会在哪里露出裂缝？这三种能力，机器可以辅助，却不能替人长出来。因为它们不只是技巧，更是人格特质：延迟满足、抗挫败、对抽象的热爱、对伪证本能的警惕。

如果先贤在世：旁征博引，樯橹灰飞烟灭

今借苏东坡的赤壁之旧火：羽扇纶巾，谈笑间，樯橹灰飞烟灭。

今日的所谓 AI 神话，恰是又一支庞大的舰队：一夜放出七百二十二篇手稿、归为三百七十二个结果族，平均三小时“算”出一座猜想，还许下 2030 年与人类同登菲尔兹奖台的宏愿。舰队蔽江而来，鼓噪“数学已死”。可它忘了：先贤并未死去，他们只是换了一种方式活着 —— 活在自己的结果里；而任何 AI 神话要登陆，都必须从这些结果的甲板上走过。那么，只消把他们一位位请出，各念一段旧事，樯橹自会灰飞烟灭。

我们先请毕达哥拉斯。其学派信万物皆数，宇宙是天音般的整数之比；结果自家弟子希帕索斯用勾股定理量出√2，发现对角线根本写不成两个整数之比。信仰被数学自己证伪，发现者据说被投入大海。这旧事读来仍像预言：凡把某种主义奉为神谕的共同体，都会在自家阵脚里撞见叛逆的√2。AI 神话说“一切皆可计算”，它甚至等不到外部反驳，数学内部的不可判定性，就是它的希帕索斯。

再恭请贝克莱主教，当年嘲笑无穷小“既不是有限量，也不是无限小量，也不是零”，是“逝去量的幽灵”，逼得柯西、魏尔斯特拉斯用极限与 ε-δ 把幽灵逐出。今天 AI 吐出的“证明”，多是同一类幽灵的新变种：语法光滑，语义漏风，既非真，亦非假，只是“看起来真”。上一次数学用严格化驱鬼，这一次它同样需要一场新的严格化。可验证、可复现、可被人类逐层拆解。否则我们不过是从迷信无限小，改成迷信无限可能。

依次请出弗雷格，最悲壮的一位数学家。他毕生想从纯逻辑推出全部算术，《算术基本规律》第二卷付印在即，刻薄的罗素一封信至：您的房子很美，可里面可能住着一条毒蛇。大厦即将完工，基石崩塌。今日一口气放出数百份手稿、次日撤回三篇、修订十四篇。杀人诛心，那不是蛇，胜似蛇。越是在“完工”与“高产”的喧嚣里，越该追问：足下的公理，可曾被偷换？

一并请出希尔伯特、哥德尔与图灵，这三人恰好合成对 AI 神话最锋利的判决。希尔伯特说“我们必须知道，我们必将知道”，要给数学修一道永不倒塌的城墙；哥德尔证明，足够强的自洽系统内部必有真而不可证的命题；图灵证明，不存在统一算法可以判定一切。换言之，“让机器穷尽数学真理”的梦想，早在 1931 与 1936 年就被写下了判词：不存在能够判定一切数学命题的统一算法，今日的 AI 神话，不过是给旧坟添新土。器再精巧，亦有内在边界！这是先贤用生命刻下的界碑——至少在“一劳永逸地穷尽数学真理”这个意义上，任你多大模型、多少参数、多长的计算，都越不过去。

再次请出AI之父图灵本尊，连同他著名的测试：机器若让人分不清它是人是机器，便算有智能。今日 AI 在数学上正完美地通过着另一场图灵测试 —— 生成的文本让人分不清是证明还是散文。可测试通过只证明会模仿，不证明理解。大哲学家维特根斯坦早已补了一句：意义即用法。一个无人能消化的证明，正如一座没有窗的大厦：结构检测合格，柱子不歪，材料真实，却没有人住得进去；它在人类共同体里没有“用法”，就还没有“意义”。数学不是文本的堆积，而是一种语言游戏、一种生活形式 —— 规则的裁判，始终是人。

最后是智商超群的冯・诺依曼，他定义了现代计算机，AI 就奔跑在他划定的架构上。神话说机器已反噬其主；但借冯・诺依曼所立之“器”与《论语》“君子不器”的古训，不妨悬一句箴言：器无本心，以人心为心；人若无骨，则反为器所役。君子不器，不是不用器，而是不成为器。

最后，AI舰队到了。但谈笑之间，樯橹灰飞烟灭：毕达哥拉斯的√2、贝克莱的幽灵、柯西的极限、戴德金与康托尔的实数、弗雷格的裂缝、希尔伯特的城墙、哥德尔与图灵的界碑、维特根斯坦的语言游戏、冯・诺依曼的架构，它们不是被 AI 打倒的旧物，而是 AI 必须站在上面的地基。无理数没有杀死数学，幽灵没有杀死数学，悖论没有杀死数学，AI 神话同样不会。

先贤在世，不在于他们能预知 AI，而在他们早已把“什么才算数”的答案写进了数学的骨头。所谓神话，不过是又一支在边界上撞成齑粉的舰队；而数学，依旧在问它那个古老的问题：为什么，一定是这样吗？

数学家的回敬：见过人骑马，何时马骑人？

AI 热潮催生了一批“AI 狂人”：有人把算力当马骑，瞬间自觉高人一等。一些数学家为此而气恼，其实大可不必！

也正因为此，数学家面对“ AI狂人”，不该简单否定“你居然用 AI证明数学”，这种反驳格局太小；真正有力的辩驳，是戳破把概率拟合包装成真理降临的幻觉。高段位的辩论，句句落在逻辑七寸上。

你可以这样说：“我不反对 AI 进入数学。我反对你把 Transformer 练出来的幻觉，自封为欧几里得再世。你把答案等同于证明，把 benchmark 当作圣殿，把过拟合模型在训练集上表现优异、对未知数据泛化较差的现象当成启示。数学没死，是你把葬礼办成了发布会。”

若是对方炫奥赛几何，就回：“你说你模型拿了 IMO 风格高分？很好。可数学不是奥赛烤串，不是把条件撒孜然、目标刷蜂蜜，然后让搜索算法烤到熟。真正的难题常常连‘什么叫解’都还没定义。你会答题，不代表你会提问；你会命中目标，不代表你知道为什么这个目标值得存在。”你可以补刀：“一只鹦鹉背熟了《几何原本》，不代表它懂平行公设；它只是很会在第五公设附近点头。”

若是对方把生成文本当作证明，就回：“证明不是文本风格像《数学年刊》，不是引用密度像综述，不是 LaTeX 排版端庄。证明是每一环都能被追问：定义是否封闭？量词是否偷换？紧致性从哪来？边界情况被浮士德献祭给了哪个恶魔？你那玩意儿更像一篇高自信散文：语法光滑，语义漏风。如果错得离谱也能排版漂亮，那最懂数学的应该是打印机。”

若是对方膜拜排行榜，就回：“别拿 leaderboard 当万神殿。你那套分数是在固定分布、固定题型、固定评测器下刷出来的。数学要活，就活在分布之外：新问题、新结构、新反例、新语言。你在训练集坟场里称王，到了未知荒原只会念咒。那不是智能，是题库考古学。过拟合到连噪声都能背出节奏，还管自己叫直觉。”

若是对方谈能力不谈复现，你就回：“别跟我说能力。给我随机种子、模型版本、失败样本、消融实验（移除模型某部分以检验其贡献的实验方法）、反例、停机条件，以及你在哪些类输入上系统性崩坏。真正的数学家不怕展示裂缝，怕的是你把裂缝贴成金箔，还说是新工艺。不能复现的奇迹，按数学惯例统一称作：传闻。”

若是对方见模式就封神，你就回：“看到模式就敢宣称定理？看见 A 常跟在 B 后面，就宣布 A 生出了 B。相关不是因果，近似不是恒等，存在不是构造，充分不是必要，有限样本不是自然律。你这套不是概率论，是占星术拿了 GPU。你的模型最擅长在人类知识边界上礼貌地胡说。”

若是对方吹嘘发现，你就回：“请先证明它发现的不是训练集里被打碎又重组的旧骨头。很多所谓新猜想，不过是高维投影下的回声：这边擦掉来源，那边就冒充灵感。发现不是把旧地图调亮对比度；发现是承认自己站在了没有路的地方，还敢说这儿应该有路。鹦鹉飞出笼子，不代表它发明了天空。”

若是对方空谈革命，却没有伤疤，你就回：“数学最难的不是算，是判断：这个对象丑但深刻，那个结果漂亮却轻浮；这条路难走但通向大陆，那条路热闹却通向死湖。AI 可以给你一万条候选，但选择哪条值得深耕，需要品味。品味从哪来？从多年被反例殴打、被证明背叛、被自己傲慢羞辱。你没有这种伤疤，别谈颠覆。没有 taste 的搜索，只是把盲目的试错并行化。”

若是对方说数学从此唾手可得，你就回：“唾手可得的是答案的残渣。真正贵的是那个能让人在黑暗里坐十年的东西：问题感。等你们把结果都送上门，最怕的不是数学家失业，而是再没人会问：为什么一定是这样？数学一旦只剩消费，就会变成主题公园：项目很多，重力是假的。如果得到答案就算拥有数学，那外卖到手也算会做饭。”

最后别纠缠，把话筒塞回去：“请定义你所谓‘解决’：对象是什么？假设是什么？适用边界在哪？反例长什么样？证明是否机器可验证？失败了会怎样？如果你的系统不能说明自己何时错，那你不是带来光，你只是给黑箱刷了层神性金漆。”

然后轻松收尾：“数学欢迎 AI技术，但不欣赏只会用AI技术的人，哪怕用上了千亿参数。”补一句：“其实，你不是太相信 AI，你是太不相信人类为什么需要数学。”这一句看似轻描淡写，却直指要害。因为我们把问题从“模型强弱”拉回到“还能不能提出问题”。

最后，你只需说：“形而上者谓之道，形而下者谓之器。公理、形式逻辑、符号体系，是人类用来捕捉数学真理的器。AI只是器，人若善用AI，AI亦可塑人。君子不器，不是不用器，而是不成为器。”

正如哥德尔揭示的：形式化公理系统再强大，也无法穷尽全部数学真理；而 AI 只是运作在这套形式工具之上的器，同样受制于可验证、可理解的边界——它能否完全替代人的数学直觉，至今仍是悬而未决的开放问题。

尾声：数学仍在，愈老弥坚

如果社会把 AI 当成免思考的许可证，数学不会轰然倒塌，而会慢慢退化成可检索的遗迹：定理还在，精神枯萎；答案越来越多，问题越来越少；机器像勤恳的守墓人，把碑文擦得很亮，却无人再读。

但如果人类足够清醒，这场危机会变成一次筛选：把那些只想“得到结果”的人轻轻分流，把那些真正需要知道“为什么”的人推到更深的地方。AI 替他们搬石，他们仍然必须学会攀岩。

所以，数学还能不能存在，不取决于机器能不能证明。取决于当答案唾手可得时，还有没有人愿意为了一束光，走进黑夜。第四次危机最深的命题不是：“AI 会不会取代数学家？”而是：当不再需要数学家也能得到数学的样子时，人类还记不记得，自己为什么要成为数学家？

从前是人类独自推演定理、构建公理；现在 AI 可以辅助猜想、做形式化证明，开始踏入数学这片领地。证明是输出结论、验证对错；机器擅长计算、推导，但容易产生一种 “一切都可以被算清” 的错觉。这大概就是数学的宿命：它一次次被自己的深处惊吓，又一次次从惊吓里站起。无理数没有杀死它，幽灵没有杀死它，悖论没有杀死它。

历史上不止一次出现这种时刻：19 世纪末，不少数学家觉得整个数学大厦即将完工，只剩下少量修补工作；紧接着罗素悖论出现，撼动集合论根基；希尔伯特计划想要把全部数学公理化、可判定，不久哥德尔不完备定理打碎这个梦想。 每当人类以为快要抵达终点，数学就会展开一片全新的疆域。

第一次危机，无理数从正方形对角线里站起来，数学被迫承认：你以为能写成比例的，未必都能写成比例。它让数学长出实数的骨头。

第二次危机，贝克莱的幽灵在无穷小上游荡，数学被迫追问：威力巨大的无穷，必须被极限驯服。它让数学长出现代分析的神经。

第三次危机，罗素的一封信撕开集合论的地基，希尔伯特的城墙被哥德尔写上判词，图灵又证明通用判定之梦不可完成。数学不再幻想一座绝对自明、完备无漏的天堂，而学会在不完备中修边界、打深桩。它长出对公理边界的敬畏。

第四次危机，则更像一场发生在人与机器之间的成年礼。它问的不是“AI 会不会取代数学家”，而是：当答案像空气一样便宜，当证明可以由编译器盖章，当发现可能来自高维噪声里的异味，当无人继承的夜幕降临——人类还记不记得，自己为什么需要数学？

真正的数学，永远有无法被当下体系囊括的部分。数学不是一本已经写好、等待被翻阅的书，它持续生长。不存在一个终极理论可以收束所有问题。AI可以辅助证明、发现新猜想，但它不该幻想自己能穷尽数学。它的力量，恰恰在于明白自己的局限，在这片不断延展的辽阔里，和人一起探索。【作者：杨健，英国兰卡斯特大学管理科学博士、中国人民大学数学教授、博导（管理科学与软件工程）、金融信息中心主任、济安集群创始人】

更多对全球市场、跨国公司和中国经济的深度分析与独家洞察，欢迎访问 Barron's巴伦中文网官方网站

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App