近年来，人工智能领域的发展取得了显著进展，尤其是在数学、计算机科学和物理学等学科的应用上。2023年10月26日，OpenAI发布了其在上述领域的三项新发现。这些发现并未被表述为确凿的科学成果，OpenAI将相关手稿界定为有待深入理解的初步研究材料，并邀请外部专家团队对其进行审查和解释。
在此背景下，人类数学协会（AHM）更新的成员名单显示，全球已有1008位数学家加入该协会，其中654位数学家参与了“无AI研究小组”，承诺不发表AI生成的论文、不与相关实验室合作以及不在研究中使用AI。这一现象引发了广泛关注，尤其是在AI迅速生成大量研究成果的情况下，传统数学研究的进程似乎面临着前所未有的挑战。
首先，应该对“研究速度的加快”进行深入探讨。当AI能够在短时间内生成数以百计的研究手稿，而数学家却需要花费数月甚至数年的时间来理解和验证这些成果时，问题的本质便是研究的速度提升是否真正促进了人类对知识的理解。对此，菲尔兹奖得主陶哲轩对此问题表示了深刻的担忧。他在OpenAI发布722份AI生成数学手稿后，积极转发了AHM的声明，并号召全球数学界共同采取行动，停止与OpenAI的合作。 球盟会
其次，陶哲轩指出，尽管AI在数学解题领域取得了显著成就，但如果研究者只依赖这些“黑箱”输出的结果而不理解其来源，重要的理解与创造过程可能会被忽视。数学不仅仅是问题的解答，更是对世界的认知。数学作为其他科学的“粘合剂”特性尚未受到AI的影响，但AI在解题方面的优势可能会导致研究的局限。
在被问及OpenAI宣称解决的纳维—斯托克斯千禧年难题时，陶哲轩分析了这种AI生成成果的缺失之处。他提到，尽管AI能够有效地找到可能引发奇点的方程解，但这一过程缺乏必要的数学洞见和“理解的深度”。在这一背景下，他提到，OpenAI团队可能启动了紧急攻关计划，以超高算力完成该项目，导致其参与者对当前数学领域竞争的残酷性有了深刻的认知。
此外，陶哲轩还是对模型及其局限性给予关注。他认为，任何数学模型都只是一种现实的近似，理解模型的局限性和背景尤为重要。以2008年金融危机为例，许多金融模型低估了不同地区房贷违约之间的关联性，最终导致了风险的爆发。 球盟会
综上所述，陶哲轩对数学教育的重要性进行了阐述，他认为数学教育应经历三个阶段：前严谨阶段、严谨阶段和后严谨阶段。在后严谨阶段，学习者能够返回更直观的思考方式，而对数学的深刻理解常常是在经历了严格训练之后获得的。虽然这种教育路径可能需要更长期的探索，但通过互联网和社群的力量，未来的学习者将能够在更具趣味性和亲和力的环境中接触和学习数学。
最终，本研究表明，AI在数学研究领域的介入引发了深刻的思考，尤其是在理解和创造的过程被忽视的情况下，如何平衡技术进步与研究的深度，是当前学术界亟需面对的重要课题。
