AI解决数学难题，未来研究走向何方？

近年来，人工智能在数学领域的进展正快速改写公众对其能力的预期。从早期连四位数的加法都频繁出错，到2024年谷歌DeepMind在高水平高中数学竞赛中获得银牌、次年OpenAI夺冠，AI对高阶数学推理问题的表现持续突破。2026年5月，AI系统攻克数学家保罗·埃尔德什1946年提出的点距问题，推翻长期预测；同年9月，OpenAI称其智能体找到纳维—斯托克斯方程解，该问题关乎流体运动规律，历经约90年未决，AI仅用约88小时、近一万个智能体检索知识即给出答案。 然而，东北大学数学教授肯·达菲认为，这些成果更像可验证的测试场，并不等于数学家会被替代。研究数学的核心不仅在于求得结论，更在于提出好问题、形成可解释的证明并开辟新路径。AI擅长高强度数据整理和跨领域关联，能在几何中引入数论工具，也能短时间内扫描数十年文献，但其黑箱式证明常难以说明推理过程，需借助Lean等系统验证，部分结果甚至撤回。 在更广领域，AI已帮助预测蛋白质结构、自动标注骨髓细胞图像，降低科研负担。Wolfram研究所联合创始人詹姆斯·博伊德指出，数学可由此从单一定理证明拓展到实验数学，让人类聚焦假设、模式与方法，机器承担数值推演。对从业者而言，数学教育价值并未削弱，金融、工程等行业仍需要能够拆解复杂问题的人才。AI仍会幻觉和生成混乱内容，因此人类对思路、边界与判断的把控仍是关键。