25 位費爾茲獎得主警告 AI 數學競賽：解題越快，數學反而越窄？（2026）

2026 年 9 月 11 日，數學家陶哲軒（Terence Tao）公開一封由 25 位費爾茲獎得主首批聯署的宣言，題為〈A Severe Misalignment of AI in Mathematics〉。它把近月升溫的 AI 數學競賽翻到背面看：當科技公司把「攻下多少未解題」做成模型排行榜，得到的也許是更多正確答案，卻未必是更多能被理解、傳授與延伸的數學。

這不是一封「反 AI」公開信。宣言明確承認大型語言模型的數學能力快速進步，也認為 AI 能加速真正的數學研究。爭議在於：誰替數學設定目標、誰負擔驗證與整理成本，以及「第一個宣布解出」是否被誤當成研究完成。以下先忠實還原它的論證，再用 2026 年已公開的案例逐一對帳，最後給出 AlphaLab 的獨立判讀。

一、宣言真正反對的，是哪一種 AI 數學競賽？

宣言的核心不是「AI 不該解題」，而是「解題不是數學的終點」。著名難題之所以重要，不只因為答案未知；它們長期像燈塔一樣，把研究者引向新概念、新方法與更好的問題。一份證明若只留下真假結論，卻沒有可理解的路徑，便只完成了知識生產鏈的第一段。

“Solving problems is only a tool and proxy for achieving the primary goal of conceptual understanding and insight.”

中文：解題只是工具與代理指標；真正目標是概念上的理解與洞見。

A Severe Misalignment of AI in Mathematics

陶哲軒在同期論文〈Mathematics in the age of AI〉把一項成果的成熟過程拆得更細：先找出證明，再驗證正確性，接著清楚解釋，讓社群消化、接受，最後才納入可重用的理論與教材。AI 最擅長加速前兩段時，後三段反而可能變成新的瓶頸。

“When a measure becomes a target, it ceases to be a good measure.”

中文：當一個衡量指標變成追逐目標，它就不再是好指標。

Terence Tao, Mathematics in the age of AI

這正是宣言指控的失衡機制。公司若用「解掉最有名的題目」證明模型領先，獎勵會集中在速度、數量與首發；但查找前人工作、區分真正新意、改寫成可讀證明、主持研討與教學，成本多半落到數學社群。排行榜記下了答案，卻沒有記下誰替答案變成知識。

二、為什麼這封信偏偏在 2026 年 9 月出現？

因為 AI 數學競賽已經從短題 benchmark 走進研究前沿。短短四個月內，幾個發布把「模型能否碰未解題」變成公司級敘事：

• 5 月 20 日：OpenAI 宣布內部模型找出 Erdős 單位距離猜想的一個反例，並附上論文與外部數學家的評述。這是公司發布的案例，但反例本身可被明確檢查。
• 8 月 1 日：OpenAI 公布十項數學成果，由人類團隊整理論文，模型再把部分結果形式化為 Lean 證書。這顯示「找證明」與「形成可讀研究」已是分工流程，而非一個模型按鍵。
• 9 月上旬：OpenAI 又公開Navier–Stokes 候選證明專案。依公司自述，研究動用一萬個並行 agent、約 88 小時搜尋與 17 小時 Lean 形式化；這些數字是 OpenAI 的專案紀錄，不是獨立審計，也不等於千禧年獎題已被正式認定解決。

最後一個區別非常重要。Clay Mathematics Institute 的規則要求候選解先在合格出版物發表，並經全球數學社群至少兩年檢驗與普遍接受，才會進入獎項考慮。形式化證書可以強化正確性，卻不會把出版、審查、理解與接受壓縮成同一個瞬間。

這些案例也支持宣言的一個前提：能力進展並非全是行銷幻覺。不過，OpenAI 自己在 2 月的First Proof 實驗回顧就記錄過初判正確、後來發現錯誤的提交，並承認快速衝刺不是乾淨的受控測試。公開成果能證明「有些題真的能做」，不能直接推出「模型整體已可靠地做研究數學」。

更系統化的限制來自 Google DeepMind 自己的 Aletheia 研究：系統從 700 道被標為開放的 Erdős 題目產生 212 份候選答案，其中 200 份接受裁定；63 份技術上正確，但只有 13 份被判為具有實質意義。研究團隊只認定兩項完整、自主且新穎的解決，沒有成果達到其「重大進展」或「里程碑」層級。這不是零進展，卻足以反駁「前沿模型已能例行攻下重大難題」的讀法。

三、最值得擔心的，不是假證明，而是「消化債」

假證明至少有機會被驗證流程擋下；更難量化的是正確成果大量湧入後的消化成本。陶哲軒把這個轉變描述為從「證明稀缺」走向「證明充裕」：當產出速度超過同行評閱、簡化、歸因與教學速度，研究系統會像收件匣一樣塞滿。

一篇 2026 年 8 月的預印本〈The Gold Rush in AI4Math〉提供了早期規模線索。作者檢視 32,944 篇數學 arXiv 投稿，依其分類找出 3,575 篇披露 AI 使用、其中 1,712 篇屬「實質使用」；在作者建立的 717 筆未解題紀錄裡，71% 被投稿者描述為已解決。這些標籤依賴論文自述，不能拿來當正確率，也沒有證明 AI 已傷害數學；它能支持的較窄結論是：可供社群檢查的聲稱正在快速增加。

消化債有三種具體代價。第一，歸因債：大量搜尋與合成若沒有可追溯紀錄，前人的引理可能被當成模型新發現。第二，解釋債：形式驗證告訴你推導通過，卻不自動告訴你哪個想法值得記住。第三，教育債：若教材與口頭傳授接不上，成果很難成為下一代能運用的工具。這與軟體團隊面對的 Cognitive Debt 很像：產出變快之後，理解不會免費跟上。

這也解釋為何宣言把問題連到更早的Leiden Declaration on Artificial Intelligence and Mathematics。後者在 2026 年 6 月獲國際數學聯盟支持，強調人類仍須為正確性與歸因負責。兩份宣言都是專業社群的治理主張，不是因果研究；截至 2026 年 9 月 13 日，9 月公開宣言本身未提供「傷害有多大」的量化估計。它的文字停在要求數學界、AI 公司與社會緊急處理問題，並未進一步列出禁令、暫停解題、發布延遲或具體審查制度；不能把本文後面的改革建議倒寫成聯署者原話。

四、宣言最強的反例：正確答案也可能打開新數學

若把宣言讀成「機器解掉名題必然摧毀數學」，它就說得太滿。OpenAI 的單位距離反例是重要反證：公司附帶的人類整理與驗證文件收錄 Tim Gowers、Daniel Litt 等數學家的具名評述，並指出構造中讓數域次數增長的做法帶來可重用洞見。文件由 OpenAI 主機託管，不能算完全獨立的第三方評測；但一篇後續的人類研究已明確寫下，這項結果促使作者重訪高次數域，進而推翻 real sum-product conjecture。這個可檢查案例至少說明，模型先找到答案不必然讓研究土地變貧瘠，也可能開出新支線。

另一個反例是工具本身也能攻擊瓶頸。模型不只會產證明，也能協助形式化、搜尋前人工作、比較兩份論證、產生例子與初步解說。若公司把同等算力用在評閱與整理，產出洪水未必只能靠更多人力承接。換句話說，真正需要治理的是工作流與獎勵，不是禁止 AI 觸碰好題目。

因此，宣言最有力的是機制診斷，最薄弱的是結果幅度。截至 2026 年 9 月 13 日的公開版本，未量化多少題目因搶先發布而失去研究價值，也未比較「公開候選解」與「不公開」對後續研究的淨效果。把風險說成必然災害，證據還不夠；把它當成進度計分板設計錯誤的預警，則相當有力。

五、AlphaLab 的判讀：錯的不是解題，而是計分板

判讀一：證明完成，不等於數學完成

一項結果至少有兩條軸。第一條是正確性軸：推理能否重現、形式檢查是否通過、邊界條件是否完整。第二條是知識軸：新意在哪裡、前人工作如何銜接、方法能否被別人講清楚並重用。AI 可以讓第一條軸突然躍進；如果排行榜只看第一條，第二條的缺口就會被藏起來。

判讀二：首發速度把成本轉嫁給公共社群

科技公司拿到的是品牌、募資與能力敘事，同行評閱者拿到的往往是沒有報酬的驗證工作。這不是道德指控，而是成本配置：當產出者不用替完整消化付費，系統自然會過量生產候選結果。過去我們在 OpenAI Navier–Stokes 候選解分析談過研究信用爭議；這封聯署把同一問題提升成整個學科的制度設計。

判讀三：新計分板應同時獎勵「真」與「可用」

更好的 AI 數學競賽不該只數解掉幾題，而要同時公開兩組成績：一組衡量形式正確、獨立重現與錯誤率；另一組衡量歸因完整、專家可解釋、方法可重用，以及成果是否催生新問題或被後續研究採納。前者防止漂亮故事蓋過錯誤，後者防止正確答案變成無人能消化的倉庫。

我同意什麼，又存疑什麼？

我同意：把名題當成公司間的速度賽，會系統性低估解釋、歸因與教育的價值；形式驗證也不能替代研究社群的理解。我存疑：宣言把大量解題形容成會「摧毀肥沃土壤」，目前仍是合理憂慮而非已量化事實。正確證明不會因來得太快就失去價值，關鍵是發布制度能否把注意力從首發新聞帶回可累積的知識。

“We need to take action, urgently.”

中文：我們需要立即採取行動。

A Severe Misalignment of AI in Mathematics

六、真正可執行的下一步：替每個「突破」附上研究收據

如果目標是讓 AI 強化數學，而不是延長口水戰，研究機構與模型公司可以先做四件事：

1. 公布研究收據：交代題目如何被選中、模型與工具版本、人類介入位置、嘗試次數與大致算力，並清楚標示先前工作與搜尋範圍。
2. 採用分階段狀態：把「候選解、形式驗證、專家評閱、出版、社群接受」分開標示；新聞稿不可把前一格寫成最後一格。
3. 把解說與評閱算進成果：對整理前人脈絡、縮短證明、製作可教版本與找出錯誤的人，給予可見署名與資源。
4. 發布可反駁材料：在隱私與安全允許範圍內，保存提示、工具鏈、失敗路徑與驗證產物，讓外部研究者能測試最脆弱的環節，而不只觀看精選成功案例。

讀者也可以用一個簡單順序判斷下一則「AI 解出名題」新聞：先問它是公司公告、預印本、形式證書，還是已通過獨立評閱；再問方法帶來了什麼可轉移的新洞見。想理解 Lean 證書到底證明什麼，可接著看 OpenAI Astra 十項數學成果解析；想看「可驗證的新數學」如何被拆解，可讀 Jacobian Conjecture 反例案例。

下一階段的稀缺資源不再只是證明，而是可信的注意力、清楚的歸因與能把結果變成共同語言的人。若 AI 公司願意為這些環節同樣競賽，解題速度越快，數學也可以越寬；若計分板仍只獎勵首發與數量，25 位費爾茲獎得主的警告就很可能成為一張提前寄到的帳單。