AI 生成数学的技术债
内容提要
数学家陶哲轩博客的客座文章（Henry Cohn 撰）讨论 AI 生成数学解答的问题。文章指出，数学的核心在于理解而非答案，理解需要主动钻研，且解答必须能被学界消化。AI 常产出晦涩杂乱的“数学垃圾”，虽可能正确却制造技术债，增加他人负担。作者呼吁使用 AI 者应负责任地帮助社区理解成果，而非丢下解答便宣称胜利。
延伸解读
数学进步的核心是理解而非答案
文章强调，数学的价值在于理解，而理解无法被动获得，必须通过主动钻研、质疑和重构来建立。即使AI能给出正确答案，若缺乏理解，答案也难以被学界消化和利用。因此，评估AI在数学中的贡献，不能只看它是否解决了问题，更要看它是否促进了人类对数学的深入理解。
AI生成的“数学垃圾”如何制造技术债
AI常产出晦涩、杂乱、缺乏动机的解答，即“数学垃圾”。这类解答可能正确，却需要他人花费大量时间梳理和验证，从而在数学领域制造技术债。与软件工程不同，数学中“得到答案”本身价值有限，技术债会直接阻碍理解，增加后续研究的负担。
负责任地使用AI：从按钮到贡献
文章指出，按下AI按钮本身不是贡献，真正的贡献在于对输出的后续处理。使用者应努力帮助社区理解成果，例如与领域内人士沟通、利用计算资源辅助解释、或通过AI进一步澄清。若只是将AI解答丢到网上便宣称胜利，实则是将负担转嫁给他人，无助于数学进步。
Q&A
为什么数学家对AI生成的数学解答感到担忧？
数学家担忧AI生成的解答往往晦涩杂乱，虽然可能正确，但难以被学界理解和消化，从而制造技术债，增加他人负担。数学的核心在于理解而非答案，而AI擅长解题却不擅长有效沟通，导致许多解答无法真正促进人类理解。
什么是数学中的技术债？
数学中的技术债是指AI生成的“数学垃圾”（math slop）——即晦涩、杂乱、缺乏动机的解答——虽然可能正确，但需要他人花费大量时间和精力去理解和整理，从而阻碍数学进步。类似于软件工程中的技术债，但更隐蔽，因为数学中答案本身的价值通常有限，理解才是关键。
AI在解决数学问题方面与人类相比有何优势和不足？
AI在解决数学问题方面可能比人类更强，能快速产出答案，但它在有效沟通解答方面远不如人类。AI常产生晦涩、杂乱、缺乏动机的解答，而人类虽然早期也可能有类似阶段，但会努力改进。AI可能永远无法在沟通上达到与解题同等的水平，因为数学真理更容易训练，而有效沟通更微妙、更主观。
如果使用AI解决了一个开放问题，应该如何负责任地处理？
不应简单地将AI生成的解答丢到网上并宣称胜利，而应努力帮助社区理解成果。可以尝试与领域内的人交流，解释过程，利用特殊计算资源辅助理解，或继续与AI交互以澄清。关键是要对贡献负责，帮助将其整合到人类知识中，而不是制造技术债后 abandon。
为什么数学中的理解比答案更重要？
数学的核心是理解，答案只是工具而非目标。理解让我们能有效利用知识并扩展它，而被动吸收无法获得深层理解，必须主动钻研、质疑和重建。历史上，理解与实用性密不可分，缺乏理解会导致无法提出正确问题或应用答案。因此，即使答案正确，若无法被理解，其价值也有限。
AI生成的数学解答对数学界可能带来哪些风险？
主要风险是制造大量技术债，即晦涩难懂的解答增加他人负担，阻碍理解。此外，可能引发协调问题，传统同行评审无法处理无限量的“数学垃圾”，导致混乱。还可能助长不负责任的行为，如有人用AI解决开放问题后弃之不顾，却宣称贡献，实际上给社区带来额外工作。
