數學界對人工智慧（AI）快速進入數學研究的疑慮持續升高。 包括華裔數學家陶哲軒在內的25位菲爾茲獎得主，近日聯合發布題為「數學領域中人工智慧的嚴重失衡」的聲明，警告大型語言模型（LLM）近幾個月來數學能力大幅提升，甚至開始解決部分重大未決問題，但AI企業若持續把破解數學難題當成基準測試（Benchmark）與競賽成績，可能對數學這門科學及整個數學共同體造成破壞。 這份聲明認為，AI企業追求模型在數學基準測試上的分數與數學界追求理解、洞見及知識傳承的核心目標之間，已經出現嚴重脫節。 問題不僅限於數學領域，也可能成為更廣泛的AI對齊問題，並進一步衝擊其他科學、創意工作及整個社會。

聯署者指出，數學研究的核心並不是單純得到正確答案，而是理解形狀、數字及自然現象背後的基本結構。 經過數代數學家的累積，人類建立起由深奧思想、方法、抽象概念及各種工具組成的龐大知識體系，而現代科學與技術也大量建立在這套數學工具之上。 歷史上許多著名數學難題，更像是衡量人類認知能力進展的路標與燈塔。 當數學家解決其中一項難題時，真正重要的意義並不只是得到一個答案，而是代表人類取得新的認知視角、洞見或研究方法。 而在一項重大問題被解決後，數學共同體通常還需要經歷漫長的報告、研討、討論、驗證與簡化過程，才能真正理解其中的意義。

理想情況下，新的成果最終會被整理成研究生甚至大學生都能理解的教材，其中部分核心思想還可能繼續發展，在數十年甚至數個世紀後，成為全人類都能理解並運用的通用工具。 聯署者認為，這種漫長的消化與傳承過程正是數學發展不可或缺的一部分，但AI快速產生答案的模式，可能正在破壞這條鏈條。 聲明指出，數學共同體在許多方面就像一個人類社會的縮影，由使用不同研究方法的個體組成，並透過共同的核心價值凝聚在一起。 其中最寶貴的資源就是學生與思想。 數學家培養學生的目的，並不只是讓他們完成一道題目，而是透過問題、訓練及研究，培養其專業能力，使其最終能夠獨立進行數學探索。

對於新的數學思想，數學家則透過學術報告、私下討論及嚴謹論文進行交流，並將新思想與前人的研究脈絡連結起來。 這些工作都需要時間，而且高度依賴人與人之間的直接互動。 但AI的快速發展正在改變這種模式。 聲明指出，近幾個月來，大型語言模型在解決重大數學難題方面的能力迅速提升，甚至成為數學界以外的新聞焦點。 然而，解決一個具體問題本身只是工具與手段，真正的終極目標仍是形成深層的概念理解及學術洞見。 聯署者警告，如果AI產業只追求以越來越快的速度、大規模產生「真」或「假」的數學命題與答案，這種模式可能不但無法滋養新思想，反而會摧毀孕育新思想的土壤。 問題之一在於AI產出的數學成果可能過於倉促。

相關團隊可能沒有足夠時間撰寫完整且嚴謹的論文，也來不及從答案中提煉真正具有價值的新方法與新思想，更可能無法完整整理及引用前人的相關研究。 這不僅影響數學研究的品質，也可能造成嚴重的成果歸屬問題，甚至引發抄襲爭議。 聲明進一步指出，即使AI產生了真正具有價值的數學思想，如果沒有數學家願意投入時間深入研究、驗證、整理並將其整合進既有的數學知識體系，這些AI產生的想法也可能無法真正成為數學的一部分。 換言之，AI可以產生答案，但真正讓一項數學成果「活下來」的，仍是人類數學家對其進行理解、消化與傳承的過程。 如果這個過程被AI大量取代，數學家之間極為重要的代際傳承鏈條可能逐漸斷裂。

聲明特別強調，這並不只是數學界自身面臨的問題，而是整個智力勞動世界正在面對的共同挑戰。 在許多專業領域，多年甚至數十年的嚴格訓練，目的從來不只是讓人最終交付一項產品或一個答案，更重要的是培養理解能力，以及提出新問題、新概念與新思想的能力。 然而，AI系統建立在大量人類歷史知識與前人工作的基礎上，現在正越來越有能力跳過原本漫長的訓練與思考過程，直接產生工作的最終結果。 聯署者認為，這可能導致工具的使用結果與原本培養人類能力的目的產生根本脫節。 聲明並未否定AI對數學研究可能帶來的正面作用。 相反地，25位菲爾茲獎得主認為，人工智慧確實具有增強並加速真正數學研究與理解的巨大潛力，數學這門專業也必須從不同層面適應新技術。

但他們強調，AI最終究竟會造福數學及人類，還是帶來破壞性後果，很大程度上取決於掌控這項技術的人如何做出決策。 這份聲明因此呼籲，數學界、開發AI技術的企業，以及即將在其他智力勞動領域面臨類似衝擊的整個社會，都必須盡快正視這些問題。 聲明的核心並不是反對AI進入數學，而是要求人類不要忘記數學研究真正的目的。 如果AI能協助數學家更快發現新的結構、提出新的猜想、探索過去難以處理的問題，這項技術可以成為強大的研究工具；但如果產業只把「解題速度」及「Benchmark分數」當成AI能力的主要衡量標準，卻忽略理解、驗證、傳承與培養下一代研究者的重要性，最終可能出現「工具超越目標」的反效果。

這份聯署也因此將數學界目前面臨的問題視為一個更大的警訊：當AI逐漸能夠直接完成原本需要人類長期訓練才能完成的智力工作時，人類應該如何確保自己沒有在追求效率的過程中，失去這些工作原本要培養的理解力、創造力與探索未知的能力。

參與聯署的25位菲爾茲獎得主包括：• Artur Avila（2014年菲爾茲獎）• Manjul Bhargava（2014年菲爾茲獎）• Caucher Birkar（2018年菲爾茲獎）• Pierre Deligne（1978年菲爾茲獎）• Yu Deng（2026年菲爾茲獎）• Simon Donaldson（1986年菲爾茲獎）• Hugo Duminil-Copin（2022年菲爾茲獎）• Alessio Figalli（2018年菲爾茲獎）• Martin Hairer（2014年菲爾茲獎）• June Huh（2022年菲爾茲獎）• Maxim Kontsevich（1998年菲爾茲獎）• Elon Lindenstrauss（2010年菲爾茲獎）• Pierre-Louis Lions（1994年菲爾茲獎）• James Maynard（2022年菲爾茲獎）• Curt McMullen（1998年菲爾茲獎）• Shigefumi Mori（1990年菲爾茲獎）• Ngô Bảo Châu（2010年菲爾茲獎）• Andrei Okounkov（2006年菲爾茲獎）• Peter Scholze（2018年菲爾茲獎）• Stanislav Smirnov（2010年菲爾茲獎）• Terence Tao（2006年菲爾茲獎）• Maryna Viazovska（2022年菲爾茲獎）• Cédric Villani（2010年菲爾茲獎）• Wendelin Werner（2006年菲爾茲獎）• Efim Zelmanov（1994年菲爾茲獎）