陶哲轩与邓煜谈开放数学模型：AI 代做繁琐证明，但想法传承链被切断

• 核心讨论：UCLA 数学教授陶哲轩与芝加哥大学数学教授邓煜在 SAIR 播客中讨论为何构建开放数学模型（Open Math Model），以及 AI 对数学研究流程与学术评价的影响。播客由「跨国串门儿计划」进行中文克隆与翻译。
• 具体案例：邓煜的合作者 Bjoern Bringmann 在已有大致解题思路后，用 GPT Astra 尝试一道随机偏微分方程问题，约 1 至 2 天得到解答；前提是人先理解问题并规划好证明方向。陶哲轩指出，AI 可以接手研究者已有思路但实现细节过于复杂的证明工作，让人把时间留给更根本的问题。
• 关键判断：陶哲轩认为，科学文献的引用让研究者能够追溯想法来源，但 AI 有时无法说明答案借鉴了哪些前人工作，解题时学到的思想脉络随之隐去——「想法传承的链条开始被我们打断了」。他提出学术评价需要看见更广泛的理解与洞见，而不只奖励答案，因为如今解题可能只是训练模型时的副产品。
• 开放工具路径：SAIR 的 Open Math OS 起步时使用现有开源模型，先把模型与工具整合起来方便数学家协作，希望逐步汇集团队、数据和算力，发展自己的模型，让研究者不用自行部署或购买 GPU。陶哲轩同时强调，在 AI 时代，提出好问题、规划证明和发展新想法仍是人的关键能力。
• 行业意义：当 AI 能在一两天内完成此前需要数周的推导，数学研究的瓶颈从计算转向选题、方向规划与结果验证；同时，引用链的断裂与评价体系的滞后，可能比模型能力更直接影响学术生态的运转方式——成本已经转移，但归属与溯源的制度设计尚未跟上。

🔗 播客原链接