超越证明的插图
内容提要
2026年1月，数学家与艺术家齐聚IHP，探讨数学插图的严谨性。文章指出，AI打破了定理稀缺性，数学不应只是可验证的证明，更是社区理解与创造的过程。插图作为研究工具能揭示新结构，但需借助“批判”框架评估其准确性。作者呼吁重视证明之外的多元数学实践，并给予相应支持。
延伸解读
AI冲击下的数学价值重估
文章指出，AI打破了定理的稀缺性，使得以定理产出衡量数学成就的传统标准面临挑战。Bryna Kra认为，定理原本是理解深度的代理指标，但AI使这一代理失效。这促使数学界重新思考：数学不仅是可验证的证明，更是社区理解、解释和消化的过程。读者应关注这一转变对学术评价、职位晋升和奖项分配可能带来的影响。
插图作为研究工具的双重角色
插图不仅用于解释已知数学，还能揭示新结构。作者以代数数星景为例，说明用着色器绘图时，意外失真反而揭示了额外结构。但插图也可能误导，如早期曼德博集合图像因像素限制显得不连通。文章提出用“可供性”框架评估插图：证明能认证哪些属性是准确的，哪些只是表象。这为评估数学插图的严谨性提供了可操作思路。
“批判”框架：从艺术借鉴的评估方法
为评估插图的揭示力和参与度，作者借鉴艺术教育的“批判”方法：展示作品时少作介绍，观察观众如何接收，并与创作者意图对比。这一框架在IHP工作坊中被系统使用，将非正式讨论结构化。它强调数学理解不仅来自证明，也来自创作和社区互动。读者可思考如何将此类方法引入数学研究和教学评价。
支持证明之外的数学实践
文章呼吁重视数学插图、实验、教学和推广等多元实践，并给予相应支持。Geometry Labs United等网络为本科生和研究生提供了通过制作、实验和可视化学习数学的空间。作者认为，这些实践一直存在，只是被论文和未证定理的重要性所掩盖。承认并发展这些工作，有助于数学社区保持活力，并回应AI时代对数学意义的追问。
Q&A
2026年1月数学家与艺术家在IHP的研讨会主要探讨什么问题？
研讨会聚焦于数学插图的严谨性，核心问题是：一幅插图要具备严谨性意味着什么？同时探讨了人类数学实践的定义等相关问题。
为什么说AI打破了定理的稀缺性？这对数学评价体系有什么影响？
长期以来，定理产出是衡量成功的最重要标准，因为深刻定理稀缺且困难，能可靠地标识深刻思考。AI打破了这种稀缺性，使得以定理数量作为理解力代理指标的做法不再可靠。
数学插图如何作为研究工具而不仅仅是解释工具？
好的插图能像好证明一样揭示新结构，而不仅仅是展示已知形式或模式。例如在代数数星景中，使用着色器绘图时，代码的意外扭曲反而揭示了额外维度的有意义结构，展示了尚未被探索的数学。
如何评估数学插图的准确性？
可以借助Valeria Giardino关于表征作为思维工具的理论，考虑插图提供的“可供性”，即图形所邀请的解读、操作和推理。更强的定义是：证明所认证为准确的插图属性。反过来，证明也能表明某个表面属性并非可供性，例如早期曼德博集合图像看似不连通，但像素化图像可能遗漏比像素间距更细的特征。
什么是“批判”框架，它如何用于评估数学插图？
“批判”源自艺术教育，是对作品的讨论，通常以最简介绍呈现，以揭示观众如何接收作品，并比较接收与创作者意图的异同。在IHP研讨会中，Jean Schmitt帮助建立了这一框架，用于整个学期，为数学插图的讨论提供了正式结构和公共空间。
除了证明之外，数学界正在通过哪些方式支持和认可多元数学实践？
数学插图社区、数学实践哲学、几何实验室网络等都在开展相关工作。几何实验室联合网络汇集了多所大学的本科生、研究生与博士后、教师，探索数学作为研究、实验和可视化。数学教育研究也表明，通过动手制作（如使用物理材料）能支持学习者的理解。这些工作需要的是支持。
