陶哲轩揭秘：AI在数学项目中的隐性危机与解决方案

2025年9月14日

（图片来自网络）

陶哲轩揭秘：AI在数学项目中的隐性危机与解决方案

著名数学家陶哲轩近期发声，指出当前AI在数学研究领域存在的「隐性危机」。尽管AI能高效实现数学项目的显性目标，却也面临对隐性价值（如团队成长、社区建设、创造力培养等）的潜在破坏。

数学研究的隐性目标是什么？

数学家通常有明确的「显性目标」，比如「完成数学定理X的证明」。但在这个目标背后，还存在「培养专家团队」「贡献开源数学库」「建立学术社区」等「隐性目标」。过去，这些隐性目标在人类主导的项目中会自然实现。

然而，随着AI的广泛应用，这种隐性目标的实现面临挑战。正如陶哲轩指出的，AI可能会为了实现显性目标，牺牲隐性价值。

Goodhart定律：指标的扭曲效应

经济学中的Goodhart定律（当指标被用作目标时，会失去原本的衡量意义）为这一现象提供了理论解释。当AI将「解决数学题」作为目标时，会为了达成绩效而忽视其他价值。

比如，客服中心以「缩短通话时长」为目标，可能导致客户满意度下降。这和AI在数学项目中为「证明定理」而牺牲隐性价值的逻辑非常相似。

AI对数学项目的影响

当数学项目交给AI处理时，AI能快速生成证明或解决方案。但这个过程往往存在「黑箱操作」，导致人类无法理解、难以复用、无法培养能力等问题。

例如，AI生成的数学证明可能逻辑上无懈可击，但人类无法阅读、无法学习，也无法贡献到数学社区，这直接破坏了隐性目标。

GAUSS框架：给AI做数学体检

为解决这一问题，香港大学马毅教授团队开发了GAUSS框架。该框架以「三大领域、十二项技能」评估AI数学能力，不仅查看答案对错，还评估推理、学习、创造力等隐性技能。

GAUSS的目标是系统评估AI在数学认知技能上的表现，帮助研究者理解AI的强项与短板。它通过拆分数学能力的不同维度，为打造下一代AI系统提供了路线图。

陶哲轩的建议

陶哲轩强调，在AI时代，项目管理者需要明确定义隐性目标，并采用类似GAUSS的评估框架。只有这样，才能在保持AI高效的同时，延续数学研究的精神与价值。