核心内容总结
OpenAI的内部AI模型Astra，用约2000美元的成本（“token”可理解为AI服务的“使用费”），解决了10个困扰数学界多年的开放难题（覆盖高维几何、编码理论等多个领域），效率远超人类（相当于10位数学家的工作量）。这事儿引发了一连串震动：AI能不能当论文作者？谁对证明的对错负责？数学的核心（人类能理解的证明）会不会被颠覆？数学家未来还有啥价值？甚至整个科学的根基（可证伪性）都可能受到挑战。
详细拆解
1. AI解数学题：比博士厉害，还便宜又快
Astra解决的问题，都是数学界“悬案”级别的——比如高维几何里的难题、量子复杂度的问题，以前得让10个各自领域的专家花好几年才能搞定。现在AI用2000美元就干完了，而且能力已经超过博士水平，还在加速进步。
举个例子：以前数学家解一个难题，可能要查无数文献、试几百种方法，耗时几个月甚至几年；AI能快速遍历海量数据和方法，直接找到最优解。这就像你花2000块请了个“超级数学天才”，一天就把别人几年的活干完了。
2. 署名大战：AI能当作者吗？谁来背锅？
这是最直接的争议点：
- 莱顿宣言（3400+数学家签名，国际数学联盟支持）明确说：AI不能当作者，研究成果必须归人类，人类要对证明的对错负责。理由是“功劳和责任属于人类，自动化系统不配”。
- OpenAI的态度：反对把AI生成的证明归给人类作者，说“这歪曲了AI的贡献，也歪曲了人类劳动的本质”。他们的做法是：AI生成论证，人类帮忙写论文、用Lean（一种验证证明对错的软件）形式化证明，最后OpenAI署名，并称“我们对正确性负责”。
冲突的核心：AI的贡献怎么算？如果AI证明错了，是OpenAI背锅，还是参与的人类数学家背锅？
3. 陶哲轩说的“数学基础危机”：看不懂的证明算证明吗？
数学百年前曾有过“基础危机”（比如集合论的悖论让人们怀疑数学的根基），现在陶哲轩说AI带来了新危机：
如果AI生成一个证明，机器说它是对的，但人类没人能看懂（比如证明太长、方法太新），那这个证明有意义吗？
数学的核心不是“结果正确”，而是“人类能理解、传播、复用”。比如AI给了个证明，没人懂，那它就像一本没人能读的书——没法推动数学进步，因为人类没法吸收它的知识。陶哲轩还举了自己的经历：这种“人类看不懂的证明”已经开始出现了。
4. 数学家要失业？不，角色变了——从“做题”到“选菜”
以前数学家的核心工作是“做证明”，现在AI能规模化生成证明（以后证明会像“过剩的食品”一样多）。未来数学家的价值会变成：
- 提出好问题：告诉AI该研究什么（比如“这个领域的关键难题是什么？”）；
- 筛选有价值的证明：从AI生成的一堆证明里挑出对数学进展有用的（就像从一堆菜里挑有营养的）；
- 解释和传播：把AI的证明翻译成人类能懂的语言，让大家理解并复用。
菲尔兹奖得主Timothy Gowers甚至说：AI2-3年内会在解题、出题、建理论等所有环节超过人类，数学家必须转型。
5. 科学根基动摇？AI的东西人类没法证伪怎么办？
科学的基本规则是“可证伪”——就是你能通过实验或逻辑证明某个理论是错的。但如果AI生成的理论/证明人类看不懂，那怎么证伪？
比如AI说“这个量子算法是对的”，但人类没法理解它的逻辑，也没法验证它的正确性。这就挑战了科学的根基：如果一个理论没法被人类证伪，那它还能叫“科学”吗？陶哲轩担心，这种情况已经开始出现了。
最后一句话总结
AI正在改变数学（甚至整个科学）的游戏规则：以前人类是“解题者”，现在可能变成“问题提出者+筛选者+翻译者”。而这场变革的核心矛盾，是“AI的能力超越人类理解范围”带来的信任、责任和价值重构问题。