如果数学不止于证明，我们需要更好地颂扬其余部分
内容提要
数学家格兰特·桑德森认为，证明只是衡量数学进步的代理指标，真正目标是增进人类理解。AI能自动生成证明时，应重视有动机的解释，即说明想法来源与定义理由。他建议给予这类工作学术认可，并将未解阐述问题视同未解研究问题，以纠正外界对数学家价值的误解。
延伸解读
“有动机的解释”与证明的本质区别
文章明确区分了证明与有动机的解释：证明中定义在前，所有陈述必须正确且逻辑必然；而有动机的解释中定义居中，允许从 relatable 但不完全正确的想法开始，逐步修正。这种区别意味着评价标准不同：证明是二元的，解释则更主观。理解这一点有助于读者把握作者提议的核心——将解释性工作视为与证明同等重要的学术贡献。
AI 时代下未解阐述问题的紧迫性
文章指出，每个 AI 生成的证明都诞生为一个未解的阐述问题。随着 AI 大量生成证明，这类问题将激增，因此需要明确哪些值得优先解决。作者建议将未解阐述问题视同未解研究问题，甚至设想类似千禧年大奖的机制。这提醒读者：在 AI 辅助数学的时代，人类理解的价值不仅未被削弱，反而更加凸显。
从 0 到 1 与从 1 到 N：理解传播的价值
文章用“从 0 到 1”和“从 1 到 N”的比喻说明：原创证明实现了从无到有的突破，而像《Outside In》这样的视频让数百万人接触核心思想，实现了从 1 到 N 的传播。两者都推进人类理解，但后者常被视为“非 credit-producing”。作者认为，这种文化偏见需要改变，因为传播理解同样对数学至关重要。
对年轻数学家的启示：主动塑造领域
文章最后鼓励年轻学生：当前数学领域正处于可塑期，进入这一领域意味着有机会参与定义其未来形态。作者强调，如果领域领导者能明确并提升有动机解释的地位，将缓解学生对 AI 取代数学家的焦虑。这传递出一个信号：数学职业的价值不取决于谁生成证明，而取决于人类理解是否被推进。
Q&A
为什么说证明只是数学进步的代理指标？
因为数学家的真正目标是增进人类理解，而证明只是衡量这一目标的一个代理指标。当AI能自动生成证明时，证明作为代理指标的价值就被削弱了。
什么是“有动机的解释”？它和证明有什么区别？
有动机的解释主要回答“你怎么会想到这个？”的问题。与证明不同，它的定义出现在中间而非开头，允许从不太正确但来源可关联的想法开始，并需要修正。其范围不仅解释定理为何为真，还解释为何该定理值得提出以及如何在上下文中使用。
为什么有动机的解释难以像证明那样被严格验证？
因为其有效性不是二元的，不像证明那样可以明确判断有无。定义人类理解本身就更模糊，所以衡量有动机解释的指标更主观。但“有动机”这一属性仍比“清晰”或“去神秘化”更可验证，足以作为实用标准。
文章建议如何提升有动机解释的学术地位？
文章建议更清晰地定义“有动机的解释”，并给予其类似解决未解问题的学术认可。具体可包括将未解阐述问题视同未解研究问题，甚至设立类似千禧年大奖的奖项来奖励重要的阐述问题。
AI生成证明后，为什么未解阐述问题会大量涌现？
因为每个AI生成的证明在诞生时都是一个未解的阐述问题——虽然证明存在，但人类理解尚未推进。随着AI生成证明的增多，这类问题会大量出现，因此需要明确哪些值得优先关注。
文章举了哪些有动机解释的典范例子？
文章举了多个例子：普林斯顿数学指南第四部分，由专家撰写介绍各研究领域；比尔·瑟斯顿的论文《论证明与数学进展》及其参与制作的视频《Outside In》；蒂莫西·周的《强迫法入门》；以及围绕Erdős问题1196的AI证明后，人类学者进行解释和扩展的论文。
为什么现在被认为是进入数学领域的好时机？
因为数学领域正处于可塑阶段，新人有机会积极参与塑造其未来。尽管AI带来不确定性，但这也是一个独特的历史时刻，年轻数学家可以发挥真正的作用。同时，领域领导者采取行动明确数学的价值，能增强年轻学者的信心。
