数学界泰斗陶哲轩近日再次因人工智能应用引发关注，他在论文修改过程中引入AI工具Claude Code，将原本需要数日的繁琐工作压缩至15分钟完成。这一创新实践不仅展现了AI在科研流程中的高效潜力，更引发学界对人机协作模式的深度思考。
事情起因于陶哲轩团队近期提交的一篇重要论文。在首轮审稿中，审稿人提出数十条修改建议，涉及公式推导、文献引用等细节问题。按照传统模式，团队需逐条核对文本，通过GitHub协作完成修改，整个过程耗时数天。当第二轮审稿意见返回时，面对十几个零散分布的错别字和LaTeX格式错误，陶哲轩决定尝试新的解决方案。
他将审稿报告、论文源文件及PDF版本同步输入Claude Code，AI系统迅速识别出12处需要修正的问题。其中11处直接生成最终修改方案，剩余1处提供了两种优化建议。更令人意外的是，AI在分析过程中发现审稿人自身存在一处拼写错误。整个处理流程中，研究人员仅需审核AI提出的修改建议，最终用时不足一刻钟。
这种颠覆性的效率提升促使陶哲轩重新评估科研工作流程。他提出将任务分为两类：语法修正、格式调整等机械性工作交由AI处理，而概念创新、逻辑验证等核心环节仍需人类主导。这种分工模式在后续实践中得到验证，当面对需要数学直觉的实质性问题时，AI仅能起到筛选辅助作用，真正突破仍依赖研究者的专业判断。
事实上，陶哲轩对AI工具的探索始于2022年ChatGPT发布初期。尽管早期模型在理解复杂数学概念时存在局限，但随着技术迭代，当前系统已能参与解决特定领域的难题。例如在Erdős猜想研究中，AI与数学家通过48小时连续协作完成突破；某数论猜想更是由AI系统独立完成证明，该成果已通过学界评审。
学界对这种新型协作模式呈现开放态度。Erdős数学竞赛官网专门开设AI辅助解题专区，鼓励参赛者运用技术工具探索问题。但专家同时强调，AI目前仅能处理具有明确规则的任务，在需要创造性思维的领域仍无法替代人类。这种局限性反而促使研究者更聚焦于核心问题的本质，形成人机优势互补的良性循环。
随着AI技术持续渗透科研领域，数学成果的产出方式正在发生结构性变革。从问题提出到论文发表的全流程中，AI已承担起文献检索、格式校验、错误筛查等基础性工作，使研究者得以将更多精力投入创新研究。这种转变不仅提升了个体效率，更可能推动整个学科的发展节奏加速。
