## 人工智慧在數學：迷思與現實之間，Terence Tao 拉響了警報

數學界已經沸騰了數週。耸人聽聞的標題宣稱人工智慧已經攻克了數十年來無法解決的難題，激起了關於數學家即將走向過時的理論。但必須有人來制止這種誇大的說法，而這個人正是人工智慧與數學交叉領域最熱情的研究者之一：Terence Tao。

在一個反映緊迫感的早起行動中，Tao 更新了他在 GitHub 上的文件，批判性地質疑人們如何解讀人工智慧的成就。他的訊息直截了當：不要將「產生可驗證結果」與「精通數學」混為一談。這個區別至關重要，但卻經常被忽略。

### 解讀脫離語境的問題

當人工智慧解決 Erdős 問題時，常有放大成就的自然傾向。然而，Tao 指出，這種簡單的觀點掩蓋了根本的複雜性。首先，Erdős 問題的難度並不相同。有些代表極端挑戰，而另一些則是「低層次」的問題，現有工具相對容易解決。僅以「解決問題數量」來衡量，卻未考慮其複雜度，就像用數字來衡量成就而沒有背景一樣。

還有另一個關鍵因素：許多在公共平台標記為「未解決」的問題，缺乏徹底的文獻審查。當人工智慧「解決」其中一個時，經常會發現早已有解的解答藏於科學資料庫的某個角落。這使得「由人工智慧首次發現」的說法在嚴格審查下崩潰。

### 由能見度偏差造成的偏見場景

公共記錄主要捕捉成功案例。失敗的嘗試、沒有進展的努力、探索的死胡同都未被記錄。這種資訊的不對稱不可避免地扭曲了我們對實際能力的認知。

此外，當 Tao 分析像 Lean 這樣的助手如何形式化一個證明時，他指出了微妙的陷阱：引入額外的公理、誤解的命題、利用數學庫的特殊行為。一個形式上驗證的證明並不一定代表其概念上的真正有效。

### 超越正確答案的層面

Tao 在這裡觸及了數學家的核心意義。數學中的「證明」不僅僅是提供一個可驗證的答案，而是將這個答案融入更廣泛的知識網絡中。一個人類的證明通常包含背景、歷史動機、與前人工作的比較、方法的範圍與限制。

相較之下，人工智慧主導的證明經常缺乏這種「意義的光環」。它們在技術上是正確的，但在認識論上對社群來說卻貧乏。

### 人工智慧真正的作用

Tao 對其評估保持謹慎但公平。人工智慧作為一個工具，擅長搜尋文獻、重寫論證、形式化現有證明、自動審查、追蹤流程。在特定案例中，例如 #728 y el #729 問題，於2026年1月初在 Lean 中獲得完整驗證的解答，證明在某些領域，人工智慧確實能產生「可執行的證明結構」。

但這並不代表其具有全面的數學能力。人工智慧不是數學家；它是工具鏈中的一個高級組件。

### 無崇拜的未來

未來的數學很可能不再是孤獨思想家的作品，而是由指揮數位智慧軍隊的指揮官來組織。人類提出深層問題，建立新概念，直覺連結重要性。人工智慧挖掘、形式化、驗證、加速這些過程。

Tao 的呼籲是追求平衡：既不妖魔化，也不神化。認識到人工智慧的轉型潛力，同時避免陷入由孤立案例推動的神話，並不讓誇大取代嚴謹分析。