陶哲轩：解题太快的 AI，可能「污染」数学
陶哲轩是那种多年来一直默默尝试新 AI 工具、也愿意公开夸赞好工具的数学家。但 GPT-6 Astra 发布之后，他写下了很多人没想到的话：如果神经网络开始太快、又太不透明地给出重大开放问题的答案，数学失去的可能比得到的更多。导火索是一个具体结果——OpenAI 的新模型宣称在孪生素数问题上取得了进展。
先看事实。据 OpenAI 称，GPT-6 Astra 用 Lean 形式化证明，把相邻素数之间间隔的上界从 246 压到了 186。这个数字的分量：2013 年张益唐证明了存在无穷多对相差不超过 7000 万的素数。2022 年菲尔兹奖得主詹姆斯·梅纳德把这个上界降到 600，之后数学界又一路压到 246。如今三家实验室同时报出新数字：OpenAI 是 186，Anthropic 是 188，Axiom 是 212。
表面上看，这值得庆祝。但陶哲轩看到的不是胜利，而是警钟。
答案不是一道题最值钱的部分
陶哲轩的核心观点听起来近乎悖论：一道重大开放问题的价值不在答案，而在通往答案的路。数学家们为一道题苦战多年，沿途会发明新方法、新概念、甚至整套理论——正是这些「副产品」真正推动科学前进。连死胡同都有用：搞懂某个思路为什么失败，往往比找到解更重要。
现在想象答案来自神经网络。快，黑箱，不展示中间步骤。题目形式上被解开了——但本该催生新想法的那个过程，压根没有发生。陶哲轩把这叫作「污染」问题：它从此不再是未来发现的源泉。
纳维-斯托克斯的例子
陶哲轩用一个具体案例展开论证——纳维-斯托克斯方程的全局正则性问题，千禧年七大难题之一。数学家们现在几乎确信答案是负面的：存在某些初始条件，让解在有限时间内「爆破」。甚至已经画好了四步路线图：从构造近似自相似解，到验证它的稳定性。
麻烦在于，每一步对人类都难到离谱，却完美契合「机器学习 + 严格区间算术 + 形式化证明」的流水线。陶哲轩承认，这样的混合体最终可能真的解出这道题。而问题就在这里：如果解复杂到没有任何人能看懂，而运行 AI 的公司又把整个过程关在门后，数学只是在一张清单上打了个勾，却几乎什么都没学到。
为什么这不只是数学家的事
陶哲轩的逻辑比看上去更宽。它适用于任何「价值在过程里、不在最终答案里」的领域。如果 AI 开始瞬间吐出「正确」答案，人们不再走试错那条路，我们失去的可能不是速度，而是理解。陶哲轩说得很重：最坏的情况下，AI 对数学的影响可能从正面变成负面。
他并不反对 AI 进科学——恰恰相反，他是最积极的用户之一。让他不安的是一个具体场景：一个自主系统在巨大的算力上，把「假设—验证—放弃」的整个循环都在内部跑完，只把最终答案交出来。没有痕迹，没有草稿，没有机会从它的错误里学习。
接下来会怎样
目前这只是警告，不是判决。GPT-6 Astra 确实把上界压到了 186，但孪生素数猜想本身——也就是这样的素数对有无穷多——仍然没有被证明。这只是一个中间结果，尽管很亮眼。陶哲轩抛出的问题更深：怎么让 AI 加速科学，又不把科学掏空。他还没有答案——说实话，谁也没有。