菲尔兹奖得主陶哲轩警告AI“挖空”数学，学者反驳：人类没失业，只是换了工种
大家好，我是你们的财经记者兼经济学者。今天我们要聊的不是股市涨跌，也不是哪家公司上市，而是一个看似高深、实则关乎每个人未来职业命运的话题：当AI开始像印钞机一样疯狂“生产”答案时，人类还剩下什么价值？
最近，数学界的“顶流”、菲尔兹奖得主陶哲轩（Terence Tao）在社交媒体上发了一连串帖子，随后联合24位同级别的大牛发表声明，警告说AI正在“过度开采”数学问题，可能会把人类数学研究的根基给挖空。
这篇文章的作者（复旦赵斌）对陶哲轩的观点提出了一个非常犀利且接地气的反驳。他认为，陶哲轩担心的是“河里的水”（解题能力）被抽干，但实际上，真正值钱的不是水，而是“握着水龙头的人”（决定取哪瓢水、为谁取、取来干什么）。
下面，我将用大白话把这场“神仙打架”拆解成五个方面，帮你彻底看懂这场关于AI与人类智力的博弈。
---
一、 陶哲轩在怕什么？——“垃圾答案”正在淹没“好问题”
首先，我们要搞清楚陶哲轩到底在焦虑什么。很多人以为他在反对AI，其实不是。他反对的是“低质量的AI产出对科研生态的污染”。
陶哲轩打了个非常形象的比方：现代食物银行。
以前食物银行来者不拒，现在不行了。如果有一箱过期、发霉、没法分发的食物被捐赠进来，食物银行不仅不能直接发出去，还得花人力去分拣、储存、甚至丢弃。这箱“垃圾”不仅没帮上忙，反而消耗了资源，还让仓库看起来“很满”，制造了一种“需求已满足”的假象，导致真正需要新鲜食物的人被挤掉。
映射到数学界：
1. 问题太多，好问题太少：数学问题像大海一样多，但真正有价值、能推动人类认知的“好问题”像淡水一样稀缺。
2. AI在“挖矿”：现在的AI模型（比如OpenAI的模型）能疯狂生成数学证明和答案。但很多AI生成的答案是“生答案”——只有结果，没有过程，甚至无法验证。
3. 生态被破坏：如果实验室只公布AI成功的案例，不公布失败的案例，或者大量发布这种“验不了、建不了”的垃圾答案，就会占用研究者的注意力。原本大家应该去探索那些真正难啃、有价值的“新大陆”，结果却忙着去处理AI吐出来的“数字垃圾”。
通俗总结：陶哲轩担心的是，AI像一台永不停歇的打印机，疯狂打印出一堆没人看得懂的“天书”。这些天书堆满了图书馆，让真正的学者没时间去看那些真正值得研究的“好书”。这不是AI太强，而是AI太“噪”。
---
二、 作者的反驳：你拿错了尺子——“难度地图”对AI没用
作者认为，陶哲轩的担忧虽然合理，但他犯了一个根本性的错误：他用“人类时代”的尺子，去衡量“AI时代”的变化。
陶哲轩手里有两把“旧尺子”：
1. 难度地形图：这张地图告诉人类“哪里难走、哪里容易走”。比如，某道证明题对人类来说需要思考三年，所以它很有价值。
- 作者的吐槽：这对AI来说毫无意义！AI不会腿软，不会累，它不在乎这道题对人类来说有多难。就像给一辆汽车看一张“哪些山路会让人腿软”的地图，车根本不需要这个信息。陶哲轩把“人类觉得难”当成了“问题本身有价值”的标准，这是过时的。
2. 好问题的判据：在人类数学圈，什么算“好问题”，往往由小圈子的审美、传统和权力决定。
- 作者的吐槽：这就像围棋。以前人类觉得某些下法是“正统”，但AlphaGo Zero直接扔掉了人类所有棋谱，自己跟自己下，结果下出了比人类更优的策略。这说明，人类世代积累的“正确下法”可能只是“局部最优解”。如果数学家的“好问题”判断也困在圈子里，那AI打破这个圈子，未必是坏事，可能是“出圈”了。
通俗总结：陶哲轩觉得AI把数学的“难度等级”铲平了，这是损失。但作者说，难度本来就是人类生理限制的产物，不是数学的本质。AI不在乎难度，它只在乎逻辑和结果。所以，用“人类觉得难”来定义价值，在AI时代已经失效了。
---
三、 核心分歧：人类剩下的本事，叫“探究”还是“策展”？
这是整篇文章最精彩、也最深刻的部分。作者和陶哲轩的根本分歧在于：当AI接管了“解题”，人类剩下的那点能力，还配不配叫作“探究”？
- 陶哲轩的观点：配。他认为“为数学而数学”的纯粹探究是神圣的，是人类智力的核心。AI接管了解题，但人类识别好问题的能力依然珍贵，依然是“探究”。
- 作者的观点：不配。它更接近于“策展”（Curation）。
作者提出了一个关键概念：利益锚定。
- AI没有利益：AI没有自己的欲望，它不知道为什么要解这道题，它只是执行指令。
- 人类有利益：人类做研究，最终是为了服务于某种目的——可能是为了理解宇宙，可能是为了开发密码学，可能是为了获得诺贝尔奖，也可能是为了纯粹的好奇心。但无论哪种，目的的源头在人。
因此，AI接管了“找方向”和“解题”（产水），但人类必须守住“认利益”（取水权）。
- 以前：人类既要找方向，又要解题，还要判断价值。
- 现在：AI负责广撒网、生成结构（像机器一样抽水），人类负责像“捡贝壳”一样，从海量结果中挑出那些符合人类利益、具有美学价值或实用价值的部分。
通俗总结：
以前人类是“矿工”，自己挖煤、自己炼钢、自己判断哪块钢好。
现在AI是“超级挖掘机”，它能把整座山挖平，把矿石全筛出来。
人类不再是矿工，而是“珠宝鉴定师”或“策展人”。你不需要自己挖，你需要的是眼光：知道哪块石头是钻石，哪块是玻璃，以及这块钻石该卖给谁、用来做什么。
作者认为，把这种“挑选和赋予意义”的能力称为“探究”是抬举了它，它本质上是“策展”。但这并不意味着它贬值了，反而因为AI提供了无限的选择，“选择”本身变得前所未有的重要。
---
四、 一个具体的硬伤：实验室只晒赢家，不晒失败
虽然作者在哲学层面反驳了陶哲轩，但他承认陶哲轩在具体科研操作层面有一个非常正确且紧迫的警告。
陶哲轩指出：现在的AI实验室只公布成功的案例，不公开失败的案例。
这就导致了一个问题：我们看不清“前线”在哪里。
- 什么是“前线”？ 在数学研究中，“前线”指的是AI目前能解决和不能解决之间的边界。
- 为什么看不清？ 如果实验室只发新闻稿说“我们的AI解出了X问题”，但不说“我们的AI在Y问题上失败了100次”，那么研究者就无法判断AI的真实能力边界。
- 后果：研究者可能会盲目地尝试那些AI其实早就解不出来的问题，或者忽略那些AI其实已经能解但没人知道的问题。这就像打仗时，你只看到敌人进攻成功的战报，看不到他们撤退和失败的记录，你就无法判断敌军的真实实力和弱点。
通俗总结：这是一个信息不对称的问题。AI公司像卖保险一样，只告诉你“我保住了多少房子”，不告诉你“我拒赔了多少火灾”。这导致学术界对AI能力的认知是扭曲的。作者认为，这是陶哲轩警告中最具体、最可操作、明天就能改的部分。如果实验室能公开失败案例，建立透明的“难度地图”，很多焦虑是可以缓解的。
---
五、 结论：别担心河干涸，要担心谁握着水龙头
最后，作者用一个绝妙的比喻总结了全文：
- 陶哲轩担心的是“河”：他怕AI把数学问题这条“河”里的水（好问题、好解法）抽干了，导致人类无题可解。
- 作者看到的是“水龙头”：
- 水（问题和解法）：AI可以无穷无尽地生成，就像河水可以靠机器一桶一桶抽上来，甚至人工合成水。水不再稀缺。
- 水龙头（取水权）：真正稀缺、真正值钱的，是决定“取哪一瓢、为谁取、取来干什么”的人。
核心洞察：
AI接管的是“产水”（解题、生成结构）。
人类守住的是“取水权”（识别价值、锚定利益、赋予意义）。
给普通人的启示：
1. 不要焦虑“被替代”：如果你的工作只是“执行”、“计算”、“重复性解题”，那你确实会被AI替代。
2. 提升“策展”能力：未来的核心竞争力，不是你能写出多少代码、算出多少数据，而是你能否从AI生成的海量信息中，识别出什么是有价值的，并判断它服务于什么目的。
3. 利益锚定是关键：无论技术如何发展，“为什么做”（目的）和“为谁做”（利益）始终掌握在人类手中。AI是工具，人是主人。只要你还拥有定义“意义”的权力，你就没有失业，你只是从“搬砖工”变成了“建筑师”。
一句话总结：
陶哲轩担心河被抽干，我却看见——握着取水权的人，根本就不是河。 当“产水”被AI接管，人类剩下的“取水权”严格说已不再是传统的“探究/解题”，而是“策展”。这也正是前面那个分歧的落点：人类剩下的那点能力，还配不配被称为“探究”？我的答案是——它更接近于“策展”，但正因如此，它不但没有贬值，反而更关键了。