据量子位报道，著名数学家陶哲轩近日在社交媒体上发文，对AI在数学研究中的介入方式表达担忧。他认为，AI抢答数学难题时速度过快、过程又不透明，这种能力反而可能掩盖数学研究过程中那些宝贵的“失败”。如果负责迭代求解的人或系统提前知道最终正确的拟设是什么，就很容易抑制对其他路线的探索；而这些看似“死胡同”的路线为何失败，本身往往极具启发性。
陶哲轩还提到，运行AI系统的公司把通往最终拟设的整个过程几乎完全隔绝在公众视野之外。他以数学界最著名的开放问题之一“纳维-斯托克斯方程全局正则性问题”为例说明：这个问题原本被视为研究AI如何辅助数学的好样本，但如今一种越来越现实的情形正在出现——问题的答案可能主要由AI生成，而其出现方式会“污染”这个问题，使其不再能像过去那样成为推动后续数学进展的源泉。
在陶哲轩看来，答案本身并非最重要。历史上，人类试图证明全局正则性或有限时间爆破的过程中，不断产生出流体力学、分析学和偏微分方程领域最基础、最有影响力的一批思想与定理，例如Leray–Hopf弱解、Gagliardo–Nirenberg–Ladyzhenskaya不等式、Prodi–Serrin部分正则性定理等。陶哲轩本人也因尝试解决该问题而意外把流体计算、图灵普适性和辛拓扑联系到一起。失败本身产出了更多有价值的数学成果，而AI的介入可能扼杀掉这种发散性的领域发展。
陶哲轩分析说，在这个问题上数学家已逐渐形成共识：答案很可能是否定的，即存在特殊初始条件使解在有限时间内形成奇点。明确的策略包括设计近似自相似的拟设、用数值计算证明近似解并验证残差、证明重整化坐标系下拟设的稳定性，以及验证残差落在允许阈值内。对人类而言这些步骤复杂度惊人且高度耦合，但对AI而言恰好可以拆解成一套流水线。然而，如果最终构造复杂到人类无法验证和理解，证明该问题的重要价值也就不存在了。更糟的是，一个自主运行的AI系统可能在内部完成全部迭代，公司再把过程隔绝在公众视野外——从技术意义上问题确实被解决了，但数学本身几乎没有因此获得新增价值。陶哲轩警告说，严重的时候，AI对整个数学发展的影响甚至可能从正面变成净负面。
陶哲轩发表这番言论的背景下，OpenAI在GPT-6发布后随即宣布，新模型将孪生素数猜想中有界素数间距的上界从246推到了186；Anthropic和Axiom也同期宣布把该间隔缩小到188和212。牛津大学数学家Julia Stadlmann则刚在8月31日凭借对平滑模数的新估计，将上界缩到240。陶哲轩对此评论说，真是令人无语的一幕，还好Stadlmann赶在这个问题被“污染”之前及时发表了自己的分析，否则她提出的等分布估计可能会被埋没。