谁能想到，最先淘汰的是数学家

人工智能要取代人类工作这件事，大家已经讨论了好几年。被点名的通常是翻译、客服、司机、流水线工人，偶尔还有律师和医生。 但最近发生的一件事，让所有人重新排了一下顺序。原来排在最后一个的数学家，突然冲到了最前面。

事情是这样的。一个AI系统，在一夜之间甩出了722篇数学论文。不是摘要，不是综述，是完整的、带证明的、格式规范的数学论文。 这个数量是什么概念？一个高产的数学家，一辈子能发一百篇像样的论文就算相当厉害了。 一个顶尖数学系，一年全体教师加起来可能也就发几百篇。而这个AI，一晚上干了别人一个系一年的活。 消息传出来之后，数学界的反应可以用四个字概括：不买账。 不是嫉妒，不是恐慌，是真的不买账。很多数学家看完那些论文之后说，这些东西看起来像论文，读起来像论文，但里面没有真正的新东西。它们更像是把已有的定理重新排列组合，换一种说法再证一遍。有的证明甚至绕了巨大的弯路，明明可以用三行搞定的东西，它写了三十页。 更关键的是，数学界判断一篇论文有没有价值，看的不是数量，是它有没有解决真正重要的问题。722篇论文里，没有一篇触碰了那些悬而未决的核心猜想。 这就像一个人一口气写了722首古诗，每一首都押韵、都工整、都符合格律，但没有一句能让人记住。 但数学界的不买账，恰恰暴露了一个更深层的问题。如果AI只是在“生产论文”这个层面上达到了量产，那它确实暂时取代不了数学家。可如果AI下一步能学会判断“什么问题值得解”，那情况就完全不一样了。 这里需要解释一个数学圈里的概念：问题意识。 说穿了就是：知道什么问题重要，什么问题不重要。数学不是一堆定理的集合，而是一张有层次、有方向、有轻重缓急的知识网络。 有些问题看起来简单，但解决了它，整张网络会跟着震动。有些问题看起来复杂，但解决了也没人在乎。这种判断力，过去被认为是数学家最核心、最不可替代的能力。 你可以在计算上输给计算机，可以在证明速度上输给AI，但你知道往哪里走，这是人类独有的。 现在AI能一口气写722篇论文，说明它在“证明”这个环节已经达到了相当的水平。证明是什么？证明就是从一个已知的结论出发，用逻辑链条推到另一个结论。 这件事AI做得比人快，比人稳，还不喊累。但它暂时还不知道该往哪里推。它不知道黎曼猜想和哥德巴赫猜想哪个更根本，不知道某个新工具的出现会不会打开一整片新领域。 但这个“暂时”有多长？ 数学史上有一个著名的故事。1900年，希尔伯特在巴黎国际数学家大会上提出了23个问题，为二十世纪的数学指明了方向。这23个问题之所以重要，不是因为希尔伯特是权威，而是因为他真的看懂了数学的全局，知道哪些问题解决之后会带动整片领域。这种“看全局”的能力，过去被认为是人类数学家的最高成就。 但如果有一天，AI能够通过分析整个数学文献库，自动识别出哪些问题处于网络的枢纽位置，哪些问题解决之后会引发连锁突破，那它就不再只是一个证明机器了。它会变成一个有“品味”的数学家。而品味这件事，恰恰是人类数学家最后一道防线。 更值得警惕的是，AI写论文这件事，已经在改变数学界的游戏规则了。 过去判断一个数学家厉不厉害，看的是他发了多少顶刊、解决了多少猜想、拿了多少奖项。但如果AI可以无限量地生产“看起来像论文”的东西，那论文本身就不再是有效的衡量标准了。 数学界必须重新回答一个问题：什么是真正的数学贡献？是数量，是难度，还是方向感？ 这个问题不解决，数学界就会陷入一场身份危机。年轻数学家会迷茫，我花五年时间啃一个难题，AI五秒钟给我列出五十种证明路径，我存在的意义是什么？ 评审委员会会头疼，收到的论文里有多少是人写的，有多少是AI生成的，怎么分辨？期刊编辑会崩溃，投稿量暴涨，审稿人根本不够用。 以至于人类数学协会甚至声明，批评AI无视数学界研究规范，并呼吁数学家停止与其合作。 当然，这不意味着数学家会失业。数学的核心从来不是计算，而是提出问题、判断方向、建立直觉。这些东西AI暂时还学不会。但“暂时”这个词，在AI的发展速度面前，越来越没有说服力了。 722篇论文，可能只是一个开始。真正让人不安的不是这722篇，而是当它学会问出第一个真正有价值的问题时，数学界的天花板，就不再是天花板了。 那天到来之前，数学家们还有时间。但时间不多了。