数学家陶哲轩近日提出一个颇具启发性的观点：人工智能对数学研究的影响，类似于汽车对城市发展的冲击。这一类比不仅适用于数学领域，也为编程等其他学科提供了新的思考视角。他指出，汽车虽然极大提升了出行效率，但也带来了道路拥堵、城市无序扩张和环境污染等问题，只有通过科学的城市规划和交通管理，才能实现新旧世界的和谐共存。
在数学领域，现有的研究体系——包括期刊发表、学术会议、师徒传承和引用机制——如同为人类设计的传统道路。人类数学家在推导证明的过程中，虽然速度较慢，但会自然产生诸多附加价值：研究者通过实践锤炼专业能力，逐步勾勒出数学的整体图景，发现新的研究方向，并记录下探索过程中的曲折与教训。这些隐性收获构成了数学研究的重要组成部分。
陶哲轩观察到，人工智能辅助证明虽然能够高效地从假设推导出结论，却往往省略了人类证明过程中最宝贵的部分——思路的展开与探索的轨迹。这类证明由于缺乏对研究路径的叙述，难以符合传统期刊的发表标准。他形象地比喻，试图让AI模型生成符合现有学术规范的论文，就像强行改造汽车以适应为行人设计的街道，既不实际也不高效。
针对这一问题，陶哲轩提出更合理的解决方案：与其将AI强行纳入现有体系，不如构建适合机器的新型数学基础设施，使其成为人类研究的补充而非替代。例如，可以利用形式化证明助手验证复杂数学难题的结论，或建立自动生成的初步证明库，再由人类数学家将其完善为更严谨的版本。他还建议设立一门类似城市规划的新学科——“AI规划”，以维护数学研究中“可步行探索”的本质特征。
在与同行德瓦凯什·帕特尔的讨论中，陶哲轩进一步分享了AI对自身研究的实际影响。他表示，AI工具确实让工作变得更加丰富多样，例如通过生成更多图表、代码和深入文献检索来拓展思路。然而，他数学研究的核心环节——如关键定理的推导和核心概念的构建——仍然依赖传统的纸笔计算。他坦言，如果没有AI提供的辅助手段，当前论文的完成速度与过去相比提升有限，AI真正的作用是开辟了全新的研究可能性。
“AI将想法生成的边际成本降至接近零，这与互联网将沟通成本降至极低水平的现象非常相似。”陶哲轩解释道，“但这并不直接等同于知识的丰富。现在的挑战在于，人们可以为一个科学问题生成成千上万种理论，但如何筛选、验证和评估这些理论，才是亟待解决的新问题。”
