在近期的一档播客访谈中，国际数学界权威陶哲轩就人工智能对数学研究的影响发表了深刻见解。他指出，尽管AI技术近年来取得显著进展，但其在数学领域的应用仍存在明显局限性。 问题：AI的辅助作用与局限性 陶哲轩表示，AI在数学研究中确实发挥了辅助作用，例如帮助解决了约50道匈牙利数学家保罗·埃尔德什留下的猜想。然而，系统性测试的成功率仅为1%-2%，且多数成果属于文献检索或已有技术的组合应用，而非原创性突破。他强调，在最复杂的数学核心问题上，他仍倾向于使用传统的纸笔计算方式。 原因：科学突破的独特路径 陶哲轩以科学史上的典型案例为例，阐述了理论突破的复杂性。他提到，17世纪天文学家开普勒在分析行星运动数据时，最初尝试了多种错误理论，直到高精度观测数据迫使放弃“近似正确”的假设，才最终发现椭圆轨道定律。类似地，哥白尼的日心说在早期因精度不足而未被广泛接受，直到开普勒的修正才使其超越地心说。陶哲轩指出，科学史上的重大突破往往在初期表现不佳，而AI若仅以短期准确性为评价标准，可能反而会抑制真正的创新。 影响：AI在科研中的角色定位 陶哲轩认为，AI更适合作为研究助手，帮助科学家处理重复性工作或提供灵感，但在涉及深度逻辑推理和直觉判断的领域，人类仍占据不可替代的地位。他以达尔文的自然选择理论为例，指出尽管其比牛顿的万有引力定律更简单，却晚了近两个世纪才被提出，说明科学发现不仅依赖智力，更需时代背景和思维方式的转变。 对策：平衡技术与人类智慧 面对AI的快速发展，陶哲轩建议科研界应理性看待其作用，避免过度依赖技术工具。他呼吁加强基础研究，鼓励科学家保持独立思考能力，同时利用AI优化研究效率，形成互补关系。 前景：探索未知的永恒挑战 陶哲轩对未来持审慎乐观态度。他认为，AI将继续推动数学和科学的进步，但人类在探索未知领域的核心作用不会改变。真正的突破仍将源于科学家对问题的深刻理解和不懈探索。
陶哲轩的观点触及了人工智能发展中的一个核心事实：技术进步不等于问题被解决。AI计算、数据处理和模式识别上的优势显然，但数学与科学研究更需要的是对问题本质的把握、对错误路径的及时否定，以及在不确定中坚持推进的能力。这些目前仍主要由人类承担。展望未来，更理想的模式不是AI取代人类，而是在清楚各自长短的基础上形成互补的研究生态：既发挥AI的工具价值，也保留并激发人类创新的活力。