陶哲轩论AI科学革命：从智力垄断者到智力策展人

来源：抖音视频链接

毛泽轩在最近的访谈中抛出了一个足以让所有研究者失眠的观点：伟大的天文学家开普勒，本质上就是一个高温度设定的大语言模型。我们总以为科学进步是天才的灵光一线，但真相冷酷得多。开普勒在得出著名的行星运动三大定律前，在那本《世界和谐论》里写满了关于占星术、音乐律法和几何多面体的胡思乱想。他像大模型一样，在长达20年的时间里疯狂进行随机排列组合，最后，他之所以被载入史册，仅仅是因为他“偷来了”第谷那份精确到小数点后一位的观测数据，并在无数次幻觉中幸运地撞上了那1%能对上数据的真理。

1. 盲区皆是灵感的贬值与验证的诅咒

我们正处在一个认知的致命盲区。过去几百年，人类科学一直把想法的产生视为最高殿堂，但陶哲轩指出，AI已经把生成科学假设的成本降到了接近于零。这就像互联网把通信成本降到零一样，带来的不是直接的繁荣，而是信息的过载。在数学界，AI已经在几个月内一秒刷题般解决了50个埃尔德什数学猜想。这听起来很振奋，不？这正是危机所在。当AI每天能生成一万个看起来逻辑自洽的科学推论时，科学的瓶颈就从“缺乏天才”变成了“验证成本”。目前的学术同行评审系统，在AI生成的信息废料面前，就像用小木桶去接海啸。如果一个证明长达3000行机器代码，人类看不懂，但计算机说它正确，这还能算作人类的知识吗？我们正在从“地图开发者”降级为“地图核对员”。

2. 回归本源：广度跳跃与深度攀爬

要理解这种冲击，我们需要回到智力的第一性原理。陶哲轩提出了一个极其生动的比喻：AI是“跳跃机器”，它能比任何人类都跳得高。在那些只需要横向联想、套用既有模式的领域，AI能精准地跳上那些人类够不到的“矮墙”。埃尔德什猜想中那50个被解决的问题，大多就是这种“矮墙”，它们散落在无人问津的角落，直到被AI强大的广度扫射到。但真正的科学前沿是“攀爬”。真正的智能需要你先跳上一段，稳住身位，拉队友上来，再以此为基地向上探索。目前的AI，如LLM，还没有“累积性”——你开启一个新绘画，它就忘掉了刚才的失败。它能展现“人工聪明”，却还无法实现“人工智慧”，因为它不懂得如何把一次失败转化为下一次尝试的踏脚石。

3. 哲学审视：智力的哥白尼革命

这不仅是工具的进化，更是一场关于智能定义的哥白尼革命。过去，我们自认为是宇宙的中心，认为人类智能是衡量万物的唯一坐标。但现在，坐标系塌陷了。陶哲轩观察到，AI在编程和初级数学上的表现，正在逼迫人类重新确权：哪些任务属于重复性脑力劳动，哪些才是人类独有的直觉。以前，一个数学家需要花几年时间去学习复杂的排版、查阅文献、做枯燥的数值模拟，现在这些二级任务被AI承包了。陶哲轩坦言，他的论文产出速度提升了5倍，但那核心的1%——关于“为什么要证明这个命题”的审美和直觉，依然握在他那只“古老的铅笔”上。我们正从“智力垄断者”变成“智力策展人”。这并非退步，而是人类第一次被迫去直面智力的深水区。

这就是资本与技术共同编织的宿命。当算力定义了世界，平庸的创作将不再具有生存空间。

最后，我想留给各位一个深思的问题：如果未来某一天，AI通过纯粹的逻辑演化证明了黎曼猜想，但这个证明过程在逻辑上是完美的，在人类语言中却是完全不可理解的“天书”，那么你会选择承认这个未被理解的真理，还是坚持认为“只有人类能听懂的才叫科学”？

欢迎在评论区分享你的洞见，我们一起拆解未来。