在人工智能技术飞速迭代的今天，数学这一古老学科也站在了变革的十字路口。著名数学家、菲尔兹奖得主陶哲轩（Terence Tao）在即将到来的2026年国际数学家大会（ICM）上，发表了一份题为《人工智能时代的数学》的演讲幻灯片，首次系统阐述了他对AI如何重塑数学研究、教学与发现的深刻见解。这份PDF文件虽未正式公开演讲全文，但已引发学界与科技界的广泛关注。
事件背景：ICM 2026上的前瞻性思考
国际数学家大会每四年举办一次，是全球数学界最高规格的学术盛会。陶哲轩作为当代最活跃的数学家之一，此次受邀在ICM 2026上发言，主题直指AI与数学的交叉领域。他在幻灯片中提出，AI不仅是一个工具，更可能成为数学研究的“合作者”——从自动证明定理到生成新猜想，甚至改变数学家的思考方式。这份演讲材料迅速在Hacker News等社区传播，不少网友感叹：“数学的未来，或许从此刻开始被重新定义。”
AI辅助证明：从“人机协作”到“自动推理”
陶哲轩在演讲中重点讨论了AI在数学证明中的作用。他回顾了近年来AI辅助证明的里程碑事件，如DeepMind使用AlphaFold解决蛋白质折叠问题，以及OpenAI的GPT模型在数学竞赛中展现出的逻辑推理能力。但他指出，真正的挑战在于让AI理解数学的“深度结构”——不仅仅是符号推理，而是跨越抽象层的直觉与洞察。
他提出，未来数学家可能像“程序员”一样工作：将复杂问题分解为子问题，由AI负责验证步骤，而人类负责设定方向与解释结果。这种“人机协作”模式已在小范围内验证，例如Lean定理证明器与AI的结合，可以自动检查长达数千页的证明。陶哲轩认为，AI有望在十年内完成“中等难度”的自动定理证明，但顶尖数学家的工作仍难以被替代。
AI发现新猜想：数学直觉的算法化
除了辅助证明，陶哲轩还强调了AI在“猜想生成”上的潜力。传统上，数学猜想依赖人类直觉、类比或偶然发现。而AI可以分析海量数学对象（如网络、群、拓扑空间）的模式，提出有意义的未解问题。他举例说，神经网络在数论中发现了环面上的特殊函数关系，这启发了数学家对模形式的新理解。
陶哲轩警告，AI生成的猜想需要谨慎对待：它们可能是“伪模式”或统计偏差的结果。但若结合严格的数学证明，AI可以成为“发现引擎”，加速数学前沿的推进。他预测，未来十年内，AI将帮助人类发现至少一两个重要的新定理，其证明过程将完全依赖人类解释。
对数学教育的影响：从“计算”到“思维”
AI对数学教育的冲击也被陶哲轩重点提及。他认为，当AI能够轻松完成符号运算、解方程甚至证明标准定理时，传统数学教育必须转型。未来的数学教学应更专注于“元认知”——如何提出问题、如何设计实验、如何评估AI输出。他建议，学生应学会使用AI作为“数学笔记本”，就像今天使用计算器一样自然。
陶哲轩还警告，过度依赖AI可能导致“数学肌肉萎缩”。他引用自己在解决问题时关闭AI辅助的习惯，强调人类需要保持独立思考和逻辑训练。数学教育的目标不再是培养“人肉计算器”，而是培养“数学架构师”。
挑战与展望：AI的“黑箱”与数学的“确定性”
在演讲的最后部分，陶哲轩直面AI带来的核心挑战：数学追求绝对确定性，而深度学习模型往往是“黑箱”的，无法提供可解释的证明。他区分了“验证”与“发现”两个层面：AI可以用于发现，但最终验证必须由人类或可溯源的推理系统完成。他提出，未来的数学研究可能需要“混合证明”——部分由AI生成，部分由人类推导，但整体必须是可追溯、可复现的。
陶哲轩还提到，AI可能改变数学的“文化”：数学家的工作流将更依赖数据科学、计算实验和自动化工具。他预计，未来十年内，数学博士生的培养将包含AI伦理、算法设计等课程，而论文的“可复现性”将比以往任何时候都重要。
行业意义：AI与数学的协同进化
陶哲轩的这份演讲，不仅是对数学界的警示，更是对整个科技行业的启示。数学是AI的根基（如线性代数、概率论），而AI反过来又推动数学发展——这种双向赋能正在加速。对于科技媒体和从业者而言，理解这一趋势至关重要：AI不再只是“应用层”的突破，而是正在渗透到基础科学的最底层。数学的每一次进步，都可能转化为更好的机器学习算法、更优的加密方案、更可靠的验证系统。陶哲轩的演讲，为这个“AI时代的数学”描绘了一幅既令人兴奋又充满挑战的蓝图。