开放问题，开放数学
内容提要
数学家陶哲轩博客刊载 Antonio Auffinger 的客座文章，比较数学与生物学文化。他指出生物学高度依赖技术、竞争激烈且数据保密；数学开放共享，但 AI 快速生成证明可能削弱这一文化，需重塑激励与署名方式。他主张数学应保持纯粹探索，同时向外看，与生物学等应用科学双向合作，以发现新问题与新数学。
延伸解读
数学开放文化的脆弱性
文章指出，数学界长期以开放共享为荣，但AI快速生成证明可能改变这一文化。当证明变得廉价，而署名和激励方式不变时，年轻数学家可能因担心被抢发而减少分享，甚至不再预印。作者已观察到同事退出arXiv、学生匆忙发表的现象，这提示开放文化并非理所当然，需要主动维护。
生物学的激励改革可作参照
生物学曾通过百慕大原则和Fort Lauderdale协议，在数据共享与署名认可之间寻求平衡。这些社区干预表明，改变现状需要研究者、使用者和资助机构共同承担责任。数学虽以数据共享为主，但可借鉴其思路，重塑激励与信用分配，使开放成为对职业发展合理的选择。
向外看：应用科学催生新数学
作者强调，生物学等应用科学产生复杂时变数据，需要新数学方法，这为拓扑、数论、动力系统等领域提供新问题。历史上，拓扑与纽结理论帮助理解DNA解结，种群遗传学推动无穷维随机过程发展。如今几何与概率支撑t-SNE、UMAP等降维方法。数学应保持纯粹探索，同时双向合作以发现新现象。
Q&A
数学和生物学在文化上有什么主要差异？
生物学高度依赖技术，竞争激烈且数据保密；数学则开放共享，但AI快速生成证明可能削弱这一文化。
为什么数学界需要重塑激励和署名方式？
因为如果证明生成变得快速且普及，而署名方式不变，数学家可能不愿分享，从而削弱开放文化。
生物学中有哪些改变激励机制的案例？
人类基因组计划中的百慕大原则要求快速公开序列数据； later 劳德代尔堡协议试图平衡开放与数据生成者的认可。
AI在数学中可能带来什么积极影响？
AI工具可能提高数学发现的上限，帮助数学家提出新问题、理解新现象，并可能降低跨学科合作的障碍。
数学与生物学如何实现双向合作？
数学可为生物学提供新方法和理论，如拓扑学帮助理解DNA解结；生物学问题也催生新数学，如无限维随机过程。
作者对数学的未来有什么建议？
数学应保持纯粹探索，同时向外看，与生物学等应用科学合作；社区需重塑激励和署名方式，资深数学家应与学员讨论伦理使用。
