Terence Tao 警告，人工智慧正在消耗數學領域中富有成果的開放問題，其速度快過數學家找出新問題的速度。

這名 UCLA 教授被廣泛視為當今在世最傑出的純數學家，並曾於 2006 年獲頒菲爾茲獎。他在以數學為主題的 Mastodon 實例 Mathstodon 發文提出警告。正值 AI 公司日益運用大量運算能力，處理多年甚至數十年來一直困擾研究人員的數學與科學問題之際，Tao 發表了上述看法。

Tao 所擔心的並不是數學問題短缺。任何人都能創造無限多的問題；例如，計算 pi 的 googol-th 位數，嚴格來說就是一個尚未解決的問題。然而，這類問題大多無法推動整個領域向前發展。真正重要的工作，是找出哪些問題值得投入解決所需的時間與精力。

「簡而言之，不加區分地使用強大的解題擷取工具，可以達成立即解決手邊問題的短期目標，但代價是無法維持下一波進展所需的生態系，也無法理解已取得的進展，」Tao 寫道。

隨著推理模型與新一代前沿 AI 系統出現，包括 Anthropic 和 OpenAI 在內的公司開始以模型測試困難的數學與科學問題。據報導，相關成果涵蓋量子物理、應用數學與醫學等領域。

數學面臨一項特殊挑戰，因為真正困難的問題相對稀少。研究人員通常會仔細決定哪些問題值得投入數月或數年的時間。這個過程過去取決於 Tao 所稱的領域「難度地景」：哪些問題很容易、哪些需要大量努力，以及哪些超出目前方法的能力範圍。

歷來的新技術會壓平這片地景的部分區域，同時在自身極限之外開闢新的前沿。Tao 認為，AI 打破了這種模式，因為研究人員目前還無法精確判斷模型的能力邊界。

從傳聞到競賽

Tao 的警告有具體案例作為依據，而非假設情境。今年 5 月，一個 OpenAI 模型推翻了 Erdős 單位距離猜想，這是一個存在 80 年的問題，探討平面上有多少對點能夠恰好相距一個單位。包括菲爾茲獎得主 Tim Gowers 在內的 OpenAI 外部數學家驗證了這項結果。

同一週內，Anthropic 研究員 Levent Alpöge 使用 Claude Mythos 測試了相同問題，這是該公司尚未發布的頂級模型。Alpöge 在離線環境中進行測試，因此系統無法複製 OpenAI 已發布的解答。Anthropic 工程師 Sholto Douglas 形容 Mythos 的結果是「可愛、簡單的證明」，而且比 OpenAI 的證明更短。數學家 Daniel Litt 則稱其「稍微差一點」，但 Mythos 也找到了 OpenAI 自己的解答。

Huge credit to the OAI team for solving the unit distance problem with 5.5 - it is now my go to example that models can in fact pull together disparate ideas into new discoveries. As with all 4 minute miles, we had to try and cross it too! Turns out mythos solves it with a cute,…

— Sholto Douglas (@_sholtodouglas) May 26, 2026

據消息來源，Anthropic 隨後將一項有數百年歷史的費馬最後定理證明形式化；幾天後，OpenAI 又在一名研究人員發表獨立證明數小時後，解決了一個存在 90 年的問題。OpenAI 之後與一名 Anthropic 研究員共同撰寫了一篇論文。

正是這場競爭令 Tao 感到擔憂。他寫道：「我們現在已經看到，即使只是聽聞有人正在研究某個問題，也可能觸發大量由 AI 驅動的努力，在原本的研究計畫尚未有時間發揮全部潛力之前，就將該問題夷為平地。」

Tao 認為，這可能扭轉開放科學流程的部分面向。在這個流程中，研究人員會隨時間發展想法，並發表研究成果，幫助其他人不只理解答案，也理解背後的方法。

評判過程，而不只是答案

Tao 提議將某些數學問題標記為「analysis-required」。按照這種方式，如果一個正確答案沒有附帶解釋，就不應獲得太多認可；除非其中包含能讓人洞見相關或相近問題的推理。

這項區分很重要，因為經過驗證的結果與可重複使用的方法，在數學中具有不同用途。Tao 的提議將更加重視 AI 生成的證明是否能幫助研究人員理解相鄰問題，而不是僅僅根據是否解決了一個困難問題來評判進展。

他將這個想法比喻為停止接受捐贈、只因食物「能吃」的食物銀行：物品的實用性不應只取決於眼前的結果。

Tao 表示，另一個選擇是禁止 AI 用於數學，但他形容這項方案「在技術上不可行」。目前尚無任何機構將「analysis-required」提議採納為政策。鑑於主要 AI 實驗室將其系統應用於數學的速度，Tao 暗示，即使是實施這種方式，目前也可能在技術上不可行。

來源：Decrypt