AI 正在解開數學界最古老的難題——數學家開始自問：這個職業究竟為何而存在

2026 年 5 月中旬，OpenAI 宣布其前沿模型推翻了 Erdős 單位距離猜想——這個離散幾何領域的 80 年老問題，自 1946 年 Paul Erdős 提出以來，一直讓該領域最頂尖的頭腦束手無策。到了 8 月，該公司又發布了尚未對外推出的模型 Astra 的十項數學與理論資訊科學新成果，其中包括非 sofic 群（non-sofic group）的構造、Connes 剛性猜想的反例，以及多個 Erdős 問題的解決。Anthropic 也不遑多讓，7 月發表了兩項 AI 導出的密碼分析學術成果，還公開了 Claude 對 150 年歷史的黎曼假設的攻堅嘗試。

對一個以十年為計量單位的學科而言，這一年令人暈眩。而現在，數學界正公開做一件它極少在公開場合做的事：辯論自己究竟為何而存在。

一個引發自省的夏天

這場辯論在本週正式浮上檯面。8 月 25 日，《衛報》刊出數學家 Kasra Rafi 與資安研究者 Bruce Schneier 的評論文章〈不，AI 並不（至少現在還不）意味著數學的終結〉。兩天後，該報刊登了劍橋大學基督學院數學研究員 Henry Bradford 博士的回應信〈令人意外的 AI 突破，引發數學家的深刻自問〉，這封信正在研究者之間被廣泛轉傳。

兩篇文章的背景本身就頗具意味。8 月初，約 40 位頂尖數學家齊聚 OpenAI 辦公室，討論這個職業的未來。會議不對外公開，但用 Schneier 與 Rafi 的話說，氣氛「大致相當低落。人們為自己的工作、職涯，以及所熱愛的事業感到憂心」。

Bradford 的信格外個人化。他指出，他自己所處領域的一個關鍵問題——非 sofic 群的存在性，這個在群論中懸置了二十年的問題——就在同一個月被 OpenAI 的 Astra 模型解決。「Astra 的證明大體上只是對我同事 Gabor Kun 和 Andreas Thom 的定理稍作變化，」他寫道，「但即便如此，就在幾個月前，我還會認為 AI 有能力做出這種突破是不可思議的事。所以現在若押注 AI 在未來幾年無法在數學思維的所有領域達到超人能力，似乎太過莽撞。」

機器究竟做了什麼

剝開存在層面的焦慮，2026 年的技術紀錄確實驚人。深入研究過這些成果的 Schneier 與 Rafi，將 AI 的數學成就分為兩類。

第一類是尋找反例。Jacobian 猜想的反例是其中最矚目的案例：反例一旦找到，驗證過程迅速而直接。困難之處在於如何從極大的可能性空間中把它定位出來——AI 似乎結合了透過機器學習獲得的某種直覺，與大規模的計算搜尋，而這種苦工式的探索恰恰是人類最不擅長的。

第二類是跨領域的交叉授粉。多數數學家原本相信單位距離猜想大概是真的，因此他們尋找的是證明而非反例。推翻它的那個反例，引進了代數數論的工具——一個與離散幾何沒有自然研究社群交集的領域。Schneier 與 Rafi 指出，如果一位恰好具備這種背景的專家刻意去尋找反例，他們很可能早就成功了。但沒有理由讓一位正好擁有這種專長的人去關注這個問題。AI 因為其視野的廣度，沒有這種學科偏見。

同樣的模式在 8 月重演。根據 Quanta Magazine 的報導，Astra 的十項進展包括 Erdős 問題 146 與 180 的解、眾所矚目的非 sofic 群構造，以及 Connes 剛性猜想的反例——成果橫跨組合學、群論與算子代數。Quanta 在 8 月 3 日的報導〈為何傳奇的 Erdős 問題正逐一倒在 AI 手中〉指出，Erdős 留下的那些附有現金懸賞的著名問題中，已有越來越多是由機器而非人類解決。

極限論

Schneier 與 Rafi 的核心論點是：就精確意義而言，這些都是低垂的果實。「現在的 AI 非常擅長搜尋與重組既有的想法，」他們寫道，「但在建立深度且持續的新理論方面仍然薄弱。」2026 年的這些成果，沒有一項需要發明新的數學框架——沒有 Grothendieck 式的基礎重建，沒有從零打造的新理論。AI 擅長的是在龐大的已知數學空間中搜尋，並認出意料之外的連結；它並沒有創造它所連結的那些數學。

他們還提出一個關於驗證的更細微觀點：反例或短證明可以快速檢查，這正是這些成果如此乾脆利落落地的原因。而定義數學最高層次的深度理論建構工作——那種需要 Fields 獎委員會花十年才能完全領會的工作——仍在當代模型的能力範圍之外。

Bradford 對上述說法全部照單接受。他要問的是另一件事：如果、而且當這一切改變了，會怎麼樣？

Thurston 的答案

Bradford 信中最有意思的一步棋，是他對 Bill Thurston 的援引——這位偉大的美國拓撲學家在其 1994 年的著名文章〈論數學中的證明與進展〉中主張，數學家「發現……自己真正想要的通常不是一堆『答案』——他們要的是理解」。在此觀點下，數學首要的棲身之處並不是論文與定理，而是人腦；新定理只是理解進程的標記——而理解只存在於有人類持有它的時候。

Bradford 認為，這在政治層面上至關重要，因為經濟學的算盤很快就會打得殘酷。「如果 AI 能比人類更快、更便宜地量產研究論文，那麼經費拮据的大學行政管理層，肯定會受到誘惑，把校內的數學研究者視為多餘。」在 Thurston 的觀點下，這將是一種範疇錯誤：一位在職數學家的價值，不在於他今年發表的那篇論文，而在於他在「數學知識於人群之中的保存與發揚」所扮演的角色。

他的結語為整場辯論重新定了調：「數學在 AI 時代是繁榮還是消亡，不僅僅是關於未來機器智慧能力高低的技術問題。它是整個社會就『我們選擇珍視人類智識中的什麼』所做出的集體決定。」

為何這件事不只關乎數學

這場論戰，是每一個知識型職業不久後都將面對的辯論的預演。數學只是第一個正面迎擊的領域，因為它對「解決了」的定義最乾淨——證明就是證明——因此在「AI 是否真的完成了工作」這個問題上，最沒有模糊空間可以閃躲。

目前社群中可見的三種立場分歧，極具啟示意義。悲觀者擔心行政邏輯：如果論文可以量產，系所就會被裁撤。如 Schneier 與 Rafi 這樣的樂觀者則指出，理論建構——這個領域真正的引擎——仍完好無損，並預期人機協作將在搜尋與連結類的問題上迎來多產的十年。而以 Bradford 為代表的第三種立場主張，整個問題框架從一開始就錯了：數學的產出從來就不是真正的產品；一個讓機器代為理解世界的文明，無論證明了多少定理，都已經失去了某種東西。

下一個里程碑很容易命名，卻很難預測日期：第一個真正創造新理論、而非重組舊想法的 AI 成果。在那之前，數學家們正處於一種奇特的處境——眼看著這個領域最著名的公開難題逐一倒下，同時辯論著這一切究竟是不是重點。