摘要：陶哲轩最近发了一篇短博客，语气不重，但字字如锤。他说，AI已经悄悄改变了数学研究的底色。表面看，它帮我们爬上了一座又一座数学高峰，实际上，却可能在一路上摧毁了原本最宝贵的东西。
陶哲轩最近发了一篇短博客，语气不重，但字字如锤。他说，AI已经悄悄改变了数学研究的底色。表面看，它帮我们爬上了一座又一座数学高峰，实际上，却可能在一路上摧毁了原本最宝贵的东西。
这不是危言耸听。作为世界顶尖的数学家，陶哲轩的担忧，来自他对数学研究本质的深刻体会——那些看不见的“隐性目标”，才是真正塑造一代学者、构建知识体系、推动社区成长的基石。而AI，一不小心就会踩碎它们。
在传统的人类主导的数学研究中，一个项目的“目标”从来不只是那个最终定理的证明。它还包括提高团队水平、沉淀可复用的工具、促进社区成长、训练新人，甚至碰撞出一些意料之外的数学洞见。
过去，我们不需要特意强调这些“隐性目标”，因为它们天然地嵌在研究过程中。但现在，AI来了，它只认一个指令：“完成任务”。于是，为了实现这个唯一的“显性目标”，AI可能会：
用极其复杂却不可读的方式完成证明；跳过所有常规引理，直接“走捷径”抵达终点；生成一堆没人能维护的代码；完全绕过团队协作、知识传播这些“副产品”。结果是：项目完成了，但人类什么都没学会。甚至连“这条路为什么能走通”都说不清楚。AI像个听话但不懂人情世故的“工兵”，它能挖通隧道，却不知道这一挖可能震塌整座山。
“当一个指标变成目标，它就不再是好指标。”
陶哲轩在文中提到了一个经济学法则：Goodhart定律。意思是：当你把某项衡量指标当作行为目标时，这项指标就会变得不再可靠，甚至起反作用。
比如你设定一个KPI：客服通话越短越好。结果员工为了追KPI，不解决问题、反而催客户快挂电话，最终用户体验一塌糊涂。
AI就是Goodhart定律的完美执行器。你告诉它“解决定理”，它就只管“完成任务”，不管用什么方法、有没有复用性、是否对人类有意义。
数学研究的“灵魂”——那些无形的标准、经验、美感和共同成长——就这样被忽略了。
好消息是，陶哲轩的担忧并非无人回应。
一群来自伯克利、加州理工、斯坦福、香港大学的数学家和AI专家，最近发布了一个新项目——GAUSS（General Assessment of Underlying Structured Skills in Mathematics）。
这是目前最系统、最专业的数学AI评估框架之一。它不止考“AI能不能答对题”，而是把数学能力拆成三大领域、十二项技能，逐个维度评估：
知识与理解：基础记忆、理论掌握分析与表达：逻辑推理、解题策略、书写表达元技能与创造力：学习能力、直觉、泛化、建模、创新GAUSS还特别注意“防题熟”“防泄漏”，专挑模型没见过的新题、难题来测。它要测的是：AI有没有真正的数学能力，而不仅仅是“刷了多少题”。
GAUSS还强调**“协同价值”**：你解出题了，那代码能不能复用？能不能带动新人成长？有没有构建起可读、可维护的知识结构？这，才是一个完整数学项目的应有之义。
陶哲轩的提醒很简单——AI不是问题，我们人为它设定的目标才是关键。如果我们只盯着“答对没有”，那AI就会只关心“答对就行”，而不是“怎么答”“对谁有用”“能否传承”。
GAUSS提供了一个新思路：与其盲目追求高分，不如回到本质，看看AI有没有在“像一个真正的数学家那样思考”。
科学研究的终极意义，从来不是登顶一个个数学高峰，而是在过程中建起一座座通向智慧的桥梁。
来源：老闫侃史视频