AI 会先在数学里露出真身，但不会先替你做研究

我听完 Dwarkesh 和 Grant Sanderson 这场关于 AI 与数学未来的对谈，脑子里留下来的不是一句“AI 会先在数学里超人类”，而是另一层更硬的判断：数学会最早把智能的结构暴露出来，但不会最早把人的工作整体替掉。

这两句话听起来像一回事，其实差得很远。前一句说的是能力边界，后一句说的是工作边界。很多人会把它们混在一起，于是要么过度乐观，要么过度恐慌。我反而觉得，Grant 这期最值得咀嚼的地方，正是在于它逼你把这两个边界拆开看。

数学为什么会先成为 AI 的试验台

如果你非要找一个最适合检验 AI 是否真的“变聪明”的场景，数学确实很像第一候选。

原因并不神秘。数学有三个罕见特征：目标清楚、反馈明确、正确性可验证。在很多知识工作里，一个答案看起来像样，往往就足以混过去；但在数学里，错就是错，对就是对，糊弄空间小得多。也正因为这样，模型一旦真的变强，它会在这里留下比别处更干净的痕迹。

这也是为什么我会把 AlphaProof 这类进展看得比很多“会聊天、会写稿、会做 PPT”的演示更重。后者常常只是把语言表面做得更顺，前者却是在一个几乎不允许打马虎眼的环境里，逼 AI 交出真货。数学像一块显影板：别的地方还在雾里看花，这里已经能看见轮廓。

但这还不是全部。Grant 的独特位置在于，他不是纯做模型的人，也不是纯做数学研究的人。他长期做的是另一件事：把抽象结构讲到人能“看见”。这让他天然会注意到，数学不只是求答案，更是组织直觉、压缩结构、重建理解的过程。AI 一旦在这里取得突破，我们看到的就不只是“会不会算”，而是“会不会形成结构”。

为什么会做题，不等于会做研究

这里最容易发生的误判，是把“在数学任务上超人”直接翻译成“研究者快没用了”。

我不买这个跳跃。因为做题和做研究，中间隔着一整层工作。做题是在既定空间里求解；做研究是在还不知道空间怎么划的时候，先决定问题值不值得问、对象该怎么定义、哪种表示法更有前途、什么证明方向值得押注。前者像在棋盘上走子，后者像决定这个棋盘到底该不该存在。

数学之所以会最早出现超人智能迹象，恰恰是因为它的一部分任务足够封闭、足够形式化、足够容易验证。可研究工作最难的部分，往往并不封闭。它带着品味、取舍、语感，甚至带着一点“你为什么偏偏觉得这里有东西”的直觉赌注。

这也是我听这类讨论时最警惕的一点：一旦大家把“AI 能做越来越难的题”说成“AI 已经接近完整接管研究”，其实是在偷换问题。模型当然会越来越像一个强得可怕的求解器，甚至是一个高质量的证明助手；但求解器和研究者之间，隔着问题发现、框架命名和共同体说服。这些事不神秘，却也没那么容易被形式化。

真正被重估的，不是答案，而是问题选择与解释能力

所以我真正从这期对谈里听到的，不是“数学家危险了”，而是“数学家身上什么会变得更贵”。

答案本身会越来越便宜。验证会越来越便宜。试错会越来越便宜。很多过去需要大量训练才能完成的中间步骤，都会被压缩成一种几乎随取随用的能力层。真正涨价的，会是三样东西：选问题、换表示、讲明白。

选问题，决定你是不是把力气花在一个值得的地方。换表示，决定一个本来僵住的问题会不会突然松动。讲明白，则决定一个洞见能不能从“你个人脑中的一闪”变成“别人也能接住的公共结构”。Grant 这些年做 3Blue1Brown，某种意义上一直在证明第三点的重要性。会解释不是附属技能，它本身就是构造理解的一部分。

这也是为什么我不太相信“AI 先替掉老师，再替掉研究者”这种线性叙事。恰恰相反，当答案更廉价时，谁能组织学习路径、筛选好问题、把抽象东西讲得长出直觉，谁的价值会更清楚。 AI 会让“给出一个答案”更不稀缺，但会让“让别人真正懂”为何如此更稀缺。

我们该怎样重新看待学数学、做研究、用 AI 学习

如果上面的判断成立，那我们对数学和 AI 的态度都该改一改。

第一，不要再把学数学理解成囤积题型。那种训练不会消失，但它越来越像基础设施，而不是终点。第二，不要把 AI 当成答案自动售货机，而该把它当成一个高带宽的试探器：它能帮你压缩试错、暴露盲点、快速切换表示，但它替不了你决定什么值得追。第三，如果你还在做解释、做教学、做研究，不要因为“模型更强了”就把自己的角色看窄。你的角色不是和模型比赛谁先算出来，而是决定哪条路值得走、哪种理解值得保留、哪句话能把一个结构真正交到别人手里。

所以我最后反而没有从这期节目里听出一种“数学会最先失守”的气氛。我听到的是另一件事：数学可能会最早告诉我们，智能到底由哪些部件组成；也会最早提醒我们，一个工作是否会被替代，从来不只取决于答案能不能算出来，还取决于问题是谁挑的，意义是谁组织的。

如果真要说一句更直白的话，那就是：AI 也许会先在数学里露出真身，但最后留下来最值钱的，还是那个知道该问什么的人。

如果 AI 先在数学题上超人类，你觉得最先涨价的会是“研究品味”、 “解释能力”，还是“提出问题的能力”？

原文参考

Dwarkesh Patel, Grant Sanderson – AI and the future of math https://www.dwarkesh.com/p/grant-sanderson-2