陶哲轩警示：AI正在耗尽数学的开放问题

菲尔兹奖得主陶哲轩（Terence Tao）近日在社交平台 Mathstodon 上发表了一段引人深思的评论，直指人工智能对数学研究生态可能造成的深远影响。他警告说，AI 的强大解题能力正在以一种"不可再生"的方式消耗数学界宝贵的开放问题资源，甚至可能动摇延续了数个世纪的开放科学传统。

开放问题正在被"非可再生地开采"

陶哲轩指出，优质且富有成果的开放问题（open problems）本质上是一种稀缺资源。这些问题往往需要数年乃至数十年的积累才能被提出，它们不仅是数学进步的路标，更承载着培养年轻研究者、孕育新方法论的功能。

"我最近写道，如今这些优质、富有成果的开放问题正在以一种不可再生的方式被开采，这可能导致这类问题变得稀缺的潜在局面。"

这一比喻十分尖锐。传统上，一个好的数学问题会在学术社区中缓慢发酵：研究者围绕它提出部分结果，发展新工具，训练学生，最终推动整个子领域的成熟。而 AI 的介入，可能让这一自然的成长过程被急剧压缩。

一则"传闻"就能引发AI的集体围剿

陶哲轩观察到一个令人担忧的新现象：即便只是"某人正在研究某个问题"的传闻，也足以触发大规模的 AI 驱动的攻关行动，抢在原始研究项目充分发展之前就将问题"压平"。

"我们现在已经看到，即使只是有人在研究某个问题的传闻，也能触发大量 AI 驱动的努力，在原始研究项目有时间发挥其全部潜力之前就将其攻克。"

这里的"压平"（flatten）一词耐人寻味。它描述的不仅是问题被解决，更是问题所蕴含的研究纵深被瞬间抹平——原本可以催生一系列衍生工作的沃土，被一次性的 AI 突击变成了平地。对于以问题为核心的研究项目而言，这意味着长期积累的价值可能在一夜之间蒸发。

会否终结开放科学的传统？

最令陶哲轩忧虑的，是这种局面对研究者行为激励的扭曲。当分享一个有前景的研究方向意味着立即被 AI 军团截胡时，理性的选择可能变成——不再向学术社区公开任何有价值的研究思路。

"现在的激励可能正指向不再与更广泛的社区分享任何有前景的研究方向，这将逆转数个世纪以来的开放科学传统，并对该领域的未来造成严重的长期损害。"

开放科学的核心在于信息的自由流动：研究者通过预印本、学术会议、公开讨论分享未完成的想法，从而激发碰撞与协作。如果 AI 让"分享"变成一种自我损害的行为，那么研究者将被迫转向封闭和保密，这与科学共同体赖以繁荣的开放精神背道而驰。

一个尚未被充分讨论的结构性风险

有意思的是，陶哲轩本人并非 AI 的反对者——他此前多次公开尝试用大语言模型和形式化证明工具辅助数学研究，并对 AI 在数学中的潜力持积极态度。正因如此，他此次的警示更值得重视：这不是对新技术的本能抗拒，而是一位深度参与者对生态系统层面副作用的冷静观察。

AI 提升个体研究效率是显而易见的收益，但它可能同时破坏了整个学术共同体的协作激励结构。当竞争的速度被 AI 无限放大，"先发布者通吃"的压力会挤压掉学术研究本应有的从容与深度。

对整个科研领域的启示

虽然陶哲轩的论述聚焦于数学，但这一问题的适用范围远不止于此。在任何以"开放问题"和"研究方向共享"为驱动的学科——从理论物理到计算机科学——都可能面临类似的困境。

这提出了一系列值得整个科研界思考的问题：

• 如何在利用 AI 提效的同时，保护研究问题的"生态多样性"？
• 学术激励机制（如署名、优先权认定）是否需要适应 AI 时代的新节奏？
• 开放科学的规范是否需要重新设计，以防止"公开即被收割"的困境？

陶哲轩的这段评论没有给出答案，但它精准地捕捉到了一个正在浮现的结构性张力：AI 的能力越强，我们越需要重新审视科学协作的底层规则。在追逐 AI 解题能力的同时，如何守护那片孕育好问题的"土壤"，或许是数学乃至整个基础科学在未来必须直面的命题。