开栏的话

　　从杰弗里·辛顿、比尔·盖茨、德米斯·哈萨比斯等学者和企业领军人公开谈论AI（人工智能）失控风险，到陶哲轩、邓煜、彼得·舒尔茨等25位菲尔兹奖得主联合声明警告AI在数学中的严重错位，近期，AI发展引发广泛关注。当AI已经深度嵌入科研、教育、学习等场景，如何让技术更好向善？今起，本报开设《当AI成为搭子》专栏，探讨应用与规范、创新与安全之间的平衡。

　　本报记者 张佳琪

　　10月6日，OpenAI（美国开放人工智能研究中心）一次性公开722篇由内部前沿模型生成的数学研究手稿，涉及372组数学问题，覆盖数论、几何等多个领域，包含准黎曼猜想、四维挂谷问题等长期悬而未决的难题。

　　这次批量公开，距离25位菲尔兹奖得主联合警告“AI公司与数学共同体之间正出现严重错位”，还不到一个月。当机器批量给出数学答案，究竟是突破还是冲击？

　　机器批量生成手稿，等于数学研究吗

　　“数学界各种观点都在碰撞，有人积极拥抱AI，有人持保留态度，也有人明确反对。”北京雁栖湖应用数学研究院研究员蔡云峰说。蔡云峰从事应用数学与AI研究，他对AI的看法，总结起来就一句话——能当工作助手，但不能尽信。

　　为何不能尽信？令蔡云峰担心的不只是AI证明可能出错。过去，数学家可能花费多年研究一道难题，在探索中发现新方法，甚至开辟新领域。如今，AI能够快速生成大量研究手稿，但手稿公开并不意味着其中的结论已经得到充分验证。

　　“即便结论正确，其研究过程有没有产生新的数学思想，能否加深人们对数学的理解，这些仍值得追问。”蔡云峰直言，正如25位菲尔兹奖得主的联合声明所说，人工智能公司把解决数学难题当作衡量模型能力的指标，而数学研究追求的并不只是尽快得到答案，更重要的是获得新的理解和洞见。

　　中国科学院院士、中国数学会理事长席南华也谈到，数学并非只有一条条定理，而是一套不断发展的科学体系。两千多年前，欧几里得证明素数有无穷多个，后来欧拉利用无穷级数给出新的证明，由此开启了解析数论的新大门。“解决同一道题的不同方法，也可能打开新的研究领域。”

　　人工智能参与数学工作，边界在哪儿

　　具体到日常工作，AI究竟能做什么？相比蔡云峰，同为北京雁栖湖应用数学研究院研究员的朱斌，判断更为积极。长期从事可信AI研究的他认为，AI已从擅长语言处理、编写代码，逐步拓展到复杂逻辑推理。

　　“从日常使用的大模型来看，数学推理能力确实进步很快。”朱斌经常把AI当作“研究伙伴”。查阅文献、讨论选题、编写程序、推演数学问题，他都会让AI参与，通过反复交流完善思路。“研究人员水平越高，越知道如何提问，AI提供的帮助通常也越有价值。”

　　不过，朱斌也表示，目前这个“伙伴”仍不能包办研究。朱斌举例，利用形式化证明技术，计算机可以检查数学证明是否符合逻辑规则。然而，如果最初输入的命题就偏离了研究者真正想解决的问题，即使验证通过，也不代表原本的难题已经解决。“AI尚未具备独立完成整个科研过程的能力，离完全自主研究还有距离。”

　　蔡云峰也以自己正在进行的“利用计算几何方法研究人脸和人体三维识别”课题为例，谈了如何使用AI。“研究需要解决大规模计算问题，AI给我推荐的常见算法，却未必最适合实际需求。”蔡云峰解释，不同人的面部存在一些共性，研究人员可以利用这些信息，配合合适的数学方法，再借助AI计算，而不是完全依赖AI寻找答案。

　　在蔡云峰看来，AI能发挥多大作用，很大程度上取决于研究人员的专业知识储备，以及对问题的理解。“提出一个好问题是非常难的。AI能够检索不同数学分支的方法、尝试提出猜想，却未必能判断哪些问题值得研究，哪些方法能够催生新的理论。”他说，数学家可以运用数学理论分析AI发展中的诸多问题，评估其能力边界与改进方向，使AI不仅有效，而且可信、可改进。

　　人工智能持续进化，数学家能做什么

　　不可忽略的是，当大模型能够越来越快地给出答案，也对数学家的工作提出了新的挑战。如何提出值得研究的问题、创造新的方法，这些都是需要面对的新课题。

　　“当前既是令学者兴奋的时代，也是充满挑战的时代。”清华大学讲席教授、求真书院院长丘成桐谈到，人工智能快速发展，正给数学及其他基础学科带来巨大冲击，其影响之深、变化之快，是他多年科研工作中未曾遇到过的。这种变化，可能深刻改变未来的科学研究方式。

　　在丘成桐看来，人工智能的研发不能仅仅依靠工程技术，还需要有深厚学术积累的数学家积极参与。工程技术能够帮助改善机器的运行和功能，而进一步提升机器的思考与推理能力，同样离不开基础学科研究者的贡献。

　　中国科学院院士、中国科学院晨兴数学中心副主任田野认为，年轻的数学研究者应当把扎实的数学基础训练与前沿探索结合起来，让AI帮助自己增进理解，同时坚持亲自推导、长期思考和严格论证的训练。

　　人机辩论赛现场。本报记者 张佳琪摄

　　新闻现场

　　怀柔科学城上演特殊辩论赛

　　4名博士生带“AI队友”打辩论

　　本报记者 张佳琪

　　“计算器这么普遍，难道学生连算术也不用学了？翻译软件这么方便，大家连外语也不用学了？”面对“AI会编程，人就不必学编程”的观点，中国科学院物理研究所博士生孙运海接连反问。

　　“如果AI给错了路况，普通人通过地图对比就能验证，为什么一定要懂编程？”反方AI智能体立刻回击。

　　10月18日，北京怀柔科学城城市客厅，一场特殊的“人机辩论赛”上演。作为2026年AI驱动蛋白质科学国际研讨会的一项特别活动，比赛采用“2名真人+2名AI智能体”的混合组队模式，正反方各4名辩手。来自中国科学院的博士生担任一辩、三辩，AI智能体担任二辩、四辩，围绕“AI时代是否还要学编程”展开激辩。

　　正方认为，AI虽能生成代码，人类仍需学习编程，理解程序背后的逻辑，掌握发现错误、解决问题的能力。反方则提出，AI已大幅降低编程门槛，对普通人而言，学会提问、表达需求、判断结果，比熟记代码更重要。

　　自由辩论环节，双方围绕“如何识别AI错误”展开交锋。正方追问：不懂编程的人如何识别AI输出中的逻辑漏洞？反方AI则拿查路况举例：即使AI给错路线，也能通过其他地图核实，不必专门学习编程。反方真人辩手还以现场使用的“稷下”辩论平台举例：该平台的开发同样借助了AI，通过自然语言提出需求即可生成程序。这一论据引来现场一阵掌声。

　　比赛结果耐人寻味：评委投票中反方获得更多支持，现场观众投票则是正方胜出，最终双方战平。这一结果本身也说明，“AI时代是否还要学编程”没有非此即彼的简单答案，正反双方的观点都值得认真思考。

　　台上，真人与AI轮番发言、相互反驳。台下，不少观众好奇：AI如此流畅的回答，是提前准备好的台词吗？

　　“完全是现场发挥的。”中国科学院计算技术研究所研究员、本次会议联合主席卜东波接受北京日报记者采访时介绍，AI二辩、四辩的发言是根据前面辩手的观点，实时组织语言、进行反驳和总结。

　　据介绍，4款辩论智能体及“稷下”辩论平台均由中国科学院计算技术研究所王元卓研究员团队研发。本次使用的是经过多轮升级后的版本，现场发言较为流畅，没有明显卡壳。

　　为何不让人类直接对战AI？

　　卜东波解释，随着人工智能发展，人类如何与AI协作，已成为值得探索的问题。混合组队既有人与AI的配合，也有AI与AI的合作及对抗，能够检验智能体在复杂交互场景中的表现。

　　不过，AI队友也让人类辩手遇到了新挑战。赛后，获得最佳辩手的孙运海告诉记者，与真人搭档可以提前商量战术、设计攻防节奏；与AI搭档，却很难预测机器下一句会说什么。

　　“我们要随机应变，看看机器会说出哪些内容，以及如何配合机器完成观点表达。”在他看来，AI的语言组织和逻辑能力已有明显进步，但论及辩论战术的设计和推进，人类目前仍然更加老到。

　　现场有专家点评，双方争论的关键，其实是要不要让所有人都学编程，还是仅由有需要的人学习。这也说明，即使AI能够快速组织论据，如何准确界定问题、制定策略，依然影响辩论效果。

　　卜东波告诉记者，赛后已有相关高校的教师主动前来，希望将这套平台引入课堂讨论，让AI参与师生交流。

　　记者手记

　　“AI队友”好不好带？

　　这场辩论最有意思的地方，是AI辩手未必按照事先商量好的战术出牌，有时会让己方措手不及。

　　最佳辩手孙运海那句“很难预测AI下一句会说什么”，点出了关键：人类不仅要会使用AI，还要学会与AI配合，在不断变化的情境中作出判断、调整战术。

　　今天，AI能写代码、做分析、参与辩论，未来还将走进更多工作场景，成为人类的工作搭档。但AI越能干，就一定越好带吗？未必如此。AI能提供思路，也可能打乱节奏；能迅速给出答案，却不一定理解人的全部意图。

　　与AI合作，不能只指望机器越来越聪明，人也要学会提出清晰的需求、辨别答案的对错、协调彼此的分工，并在关键时刻作出判断。AI队友好不好带，既取决于机器有多大本事，也考验人类有没有带好这个队友的本领。