我们究竟为何要做这一切？
内容提要
物理学家Rikab Gambhir批评OpenAI宣称解决数学难题，指出其生成的700篇论文看似正确，实则将验证与理解推给学界，追求数量而非可读性与正确性。作者反对将科研等同于堆积无人阅读的“可能为真”事实，呼吁回归好奇心与创造本身。
延伸解读
科研评价的异化：数量与可读性的对立
文章指出，OpenAI生成700篇论文看似正确，实则将验证与理解推给学界，追求数量而非可读性与正确性。这反映了当前科研评价中数量优先的倾向，可能导致大量无人阅读的“可能为真”事实堆积，削弱研究的可理解性与实际价值。
外包验证：学术共同体的新负担
作者批评OpenAI将确定正确性和理解的工作外包给数学界，而过去这是论文作者的责任。这种转变可能使学术界陷入验证海量AI生成内容的困境，消耗本可用于创造性研究的资源，加剧学术工作的异化。
回归初心：好奇心与创造的价值
文章呼吁回归好奇心与创造本身，反对将科研等同于堆积无人阅读的事实。作者以讽刺笔调提醒读者，科学和数学的乐趣在于理解与创造，而非追求数量或效率。这启发我们反思科研的真正目的与意义。
Q&A
OpenAI最近宣称解决了数学难题，具体是怎么回事？
OpenAI在2026年10月初宣布生成了一批数学论文，数量约700篇，声称这些论文可能正确，但实际是将验证与理解的工作推给了数学界，追求数量而非可读性与正确性。
为什么作者认为OpenAI的做法不是真正的科学进步？
作者认为科学进步应包含对结果的理解和验证，而OpenAI只是生成了大量看似正确但无人能懂的论文，把确定正确性和理解的工作外包给数学界，这违背了科研的初衷。
文章提到的“巴别图书馆”比喻是什么意思？
作者借用博尔赫斯的巴别图书馆比喻，指出如果只追求生成大量可能正确的论文而不顾理解和验证，那么巴别图书馆将是史上最成功的研究机构，讽刺了当前追求数量而非质量的科研风气。
作者对当前科研评价体系有什么批评？
作者批评当前科研体系将科研等同于堆积无人阅读的“可能为真”的事实，忽视可读性、正确性和理解，追求快速生成结果以“推进人类知识”，却使科研变得冷漠和低效。
作者认为科研的真正意义应该是什么？
作者呼吁回归好奇心与创造本身，认为科研不应只是生产事实，而应包含学习、理解、创造和欣赏美的过程，这些才是科研的真正意义。
文章最后提醒读者记住什么？
文章最后提醒读者记住当初为什么选择进入科学和数学领域，即不要忘记好奇心和创造力的初衷。
