导论 当一道难题不再能够安顿一段生涯

一 兴奋与焦虑发生在同一个人身上

设想一位数学研究者刚刚读完一份机器生成的证明。他先逐行检查其中的推理，又重新核对关键引理的条件，最后发现这份证明确实成立。他并没有因此立即感到轻松。一个原本准备投入数月的问题，如今在一个短得多的研究循环中获得了解答。他当然希望数学取得进展，也愿意承认这个结果的价值，但另一个问题已经进入他的生活：自己接下来应当做什么？这个场景是思想实验，不是某位数学家的访谈。它呈现的矛盾却值得认真分析：知识进展与个人生涯的稳定，并不是同一件事。

数学家并非仅凭对真理的抽象热爱而生活。他需要安排训练、寻找问题、争取研究时间、向共同体说明贡献，也需要使研究与家庭、收入、健康及自我评价相协调。一道难题在逻辑上是等待解决的命题，在职业组织中还可能是博士论文的核心、青年职位申请的重要成果，或一个研究团队多年合作的中心。如果取得结果所需的能力与时间发生变化，围绕难题形成的生活安排也会受到影响。把这种不安一概归为保守或嫉妒，无法理解问题，更无助于解决问题。

近年的人工智能数学研究提供了必须正视的信号。Google DeepMind在二〇二四年和二〇二五年分别报告了在国际数学奥林匹克问题上达到银牌与金牌分数标准的结果；两次工作的系统和评估条件并不相同，不能压缩成一句“机器已经超过数学家”。有关条件将在正文中分别考察。这里需要强调的是，只要一部分原先稀缺的数学活动可以由工具支持，职业组织就可能开始调整，并不需要等待机器完成所有数学工作。

我们尤其应当区分三个判断：某个结果是否正确，一类研究活动是否能够稳定完成，一个职业是否仍然需要原有数量与结构的岗位。前两个判断涉及数学与工具能力，第三个判断还涉及需求、制度和资源分配。一次证明成功不能单独回答第三个问题；反过来，一次模型失误也不能证明职业结构永远不会改变。争论若只在几份惊人的答案与几次可笑的错误之间来回摆动，就容易错过正在变化的研究条件。

本书面向处在这些变化中的数学家，也面向学生、教师和研究组织者。它不以预测某个职位消失的年份为任务，而是追问：当越来越多的能力可以通过工具取得，数学活动怎样重新发生？我们能否组织一种研究生活，使既有成果成为进一步创造的条件，使新对象、新问题、新方法与新的合作关系获得持续展开的机会？回答这些问题，需要把技术进展放进职业史、数学史和具体研究实践之中。

二 工具意味着什么

本书将工具理解为技术、能力与智慧的封装。这里的封装不是把某个人完整的心灵存进机器，也不是断言每件工具都具有意识。它指经过设计、试用、修订与维护，一部分原本必须在使用现场重新完成的判断和操作，转化为能够在一定条件下被调用的过程。剪刀的形制、计算程序的算法和证明检查器的核验规则，都使使用者不必每次从零重建相应活动。但它们的封装范围、失效方式和所需知识各不相同。

封装从来都有边界。一把合用的刀不能替使用者决定所有切割目标；一个形式证明检查器也不能仅凭通过检查就保证所形式化的命题恰好对应原先想研究的问题。边界并不否定封装，而是规定封装如何进入更大的活动。当工具可靠地承担一个层次的工作，使用者可以在更高层次安排目标，也可以在更细颗粒度探究过去无法处理的差别。必要时，他还必须重新打开原先封装的部分，查明条件改变以后哪些保证仍然成立。

工具因此改变的不只是完成同一动作的速度。原来无法独立开展研究的人，可能取得参与条件；原来过于昂贵的比较，可能成为日常操作；原来只能试探一个模型的团队，可能同时展开多个模型。每一种变化都可能重新分配注意力、资源和贡献。如果仍然只以没有工具时的劳动量评价成果，就难以说明工具进入以后什么贡献真正稀缺。更困难的问题是，共同体是否愿意随着能力条件的变化修订自己的评价方式。

称之为智慧的封装，也不意味着工具中每个判断都正确。所谓智慧在这里包括历史上积累起来的有效组织方式，以及把经验转变成可重复过程的能力。错误同样可能被封装，过时的前提也可能通过熟练使用而获得不应有的权威。对封装的成熟度，应通过使用条件、失败记录、外部检验和修订能力判断，不能以界面是否流畅、表达是否自信作为替代。数学家对工具的信任，应当形成可说明的理由。

这一理解使我们能够同时承认两件事：工具确实承担了过去由人承担的工作；人在与工具共同活动时，也可能形成过去没有的能力。复合研究不是把原来的数学家与一个不变的附件并列起来。长期使用会改变提问习惯、资料组织、猜想密度和合作方式，工具的使用方式和外部研究配置也会在反馈中发生调整。数学家的未来应当从这些共同变化中理解，而不能仅靠列出一张机器暂时不会做的事情清单。

三 封装之后的分岔

封装为领域升级提供条件，却不会自动完成升级。假如问题种类、评价标准、可取得的职位和服务需求都不变，而参与者与产出能力不断增加，那么竞争便可能集中到相同的狭窄入口。研究者用更强工具生成更多成果，又需要投入更多时间使成果被看见。单位成果更容易取得，取得相同职业回报所需的成果数量却可能上升。本书用同轨内卷指称这种能力增长主要转化为位置竞争的过程，而不是把所有激烈竞争都称作内卷。

另一条路径，是将封装取得的能力变成新活动的起点。一个计算过程成熟以后，可以支持以前难以进行的模型比较；一种证明过程可以可靠调用以后，可以使研究者更大胆地修改定义，系统展开修改带来的后果；文献之间更容易建立联系以后，原本分离的问题也可能形成新的研究对象。这些变化未必立即创造新的职业，但它们打开了职业形成所需的活动基础。领域升级必须通过实际发生的新活动来辨认。

典范多元化是这条路径中更深的一层。它涉及什么可以被视为基本对象，怎样认定对象相同，哪些运算有意义，什么问题值得追问，以及什么成果能够成为进一步研究的范例。只在原来的框架内增加题目数量，当然可能产生重要成果，却不能因此自动称为典范多元化。反过来，修改术语也不会直接改变研究框架。我们必须考察修改是否持续地产生了可展开、可比较和可接续的数学活动。

因此，“封装之后必须升级，否则走向内卷”在本书中是一项结构性命题。它指出，在资源入口没有同步扩展的条件下，能力增长会给旧评价和旧分工带来压力。这种压力可以通过活动扩展、需求形成和制度调整得到不同回应。现实往往是几种路径并存：一部分工作继续按旧标准竞争，一部分转化为新的服务，还有一部分进入更深的对象创造。历史材料的任务是解释这些分化，不能只挑选能够支持乐观结论的成功故事。

这里也存在一种危险的误读：既然需要新典范，那么每个年轻人都应该立即放弃正在进行的研究。这样的要求会把理论命题转变为新的身份压力。生涯调整有期限、经费和责任边界。一个团队可以共同承担多路径探索，一个共同体也可以通过分工维持基础研究与候选探索。问题是让新活动获得真实空间，而不是要求所有人表演同一种激进姿态。

四 马车司机的启示及其限度

交通技术史提示我们，某种活动的扩张可以与某些旧岗位的缩减同时出现。交通需求增加，并不意味着依赖原有交通方式的每一位从业者都能分享增长。新活动所需的设备、技能、位置和资本可能不同，转型的机会也并不均等。本书第二编将具体考察汽车与马车的共存、配套设施的形成及职业迁移。在这里，马车司机只是提出问题的入口，不是对数学家的贬称，更不是已经完成的历史类比。

数学研究与交通运输有重要差别。证明的正确性不能由顾客是否愿意付费决定，基础理论也可能在漫长时间里没有明确市场需求。数学成果可以被大量复制和共同使用，而一辆车在同一时刻通常不能完成任意多次相互分离的运输。职业史类比若忽略这些差别，就会把数学问题变成粗糙的市场故事。我们借助工具史识别组织机制，同时必须逐项说明这些机制进入数学领域时发生了什么改变。

有意义的类比不在于预测所有旧研究者都会成为新职业的从业者，而在于追问能力载体改变后，活动怎样重新组合。例如，驾驶技能的变化并非交通系统变化的全部，道路、维修、燃料、规则和城市布局都参与了新活动的形成。同样，数学AI的有效使用也需要形式化资源、可复现代码、文献检索、版本记录、验证流程和共同体认可。模型能力提高，如果缺乏这些条件，可能只能形成少数引人注目的演示。

技术积累的时间与职业转折的时间也不同。一项能力可以经历多年的研究和试验才变得可靠，但当价格、可用性与组织条件跨过某个门槛，个人面对的调整期限可能突然缩短。对研究者来说，知道一种技术很早已经存在，并不等于已经准备好应对它的大规模使用。预备工作应当在自己的问题、资料和合作方式中进行，而不只是保持对新闻的关注。

同时，技术进展不会废除分配问题。新工具可能扩大总体活动，也可能使关键能力集中于少数平台。一个数学家拥有使用账户，不等于拥有稳定的算力、可迁移的研究记录或参与规则制定的权利。我们不能一面强调人—AI复合体，一面忽略复合体所依赖的实际条件。若这些条件随时可能被改变，研究自主性就需要相应的组织和制度保障。

五 从研究者个人到复合研究活动

传统叙述常把数学成果归结为一位研究者的天才和努力。这种叙述保存了创造中的个人责任，却可能遮蔽训练、文献、记号、同行讨论和计算工具的参与。人—AI复合体并不是宣布个人贡献消失，而是把能力形成的单位重新放到具体研究活动中观察。谁提出问题，谁发现条件错误，谁构造反例，谁使他人能够继续工作，都应当得到可辨认的记录，而不应被“使用过AI”这一个标签吞没。

复合研究中的分工可以变化。AI可能提出候选猜想，也可能帮助解释一个失败算例；研究者可能负责形式化某个概念，也可能从应用条件中发现模型对象定义得不合适。我们不预先把所有高层活动保留给人，再把低层执行分配给机器。真正需要明确的是，每一项判断依赖什么依据，由什么机制接受核验，以及出现错误以后如何追踪和修正。贡献应从实际过程认定。

研究目标本身也可能在互动中改变。最初想证明的命题被反例推翻以后，一个失败条件可能引出新的结构；为了比较两个模型而设计的算例，可能显示原先没有注意到的同一性问题。若工具只被允许为预设结论寻找支持，其能力越强，研究者越可能得到精致却封闭的论证。复合研究需要容许目标遭到质疑，也需要保留停止和放弃的权利。

这要求我们区分熟练调用与稳定理解。会启动复杂程序，并不意味着能够解释程序全部内部机制；不能解释全部内部机制，也不等于无法有效参与研究。关键在于形成分层判断：哪些部分已通过可靠检验，可以在约定条件下调用；哪些接口必须由当前团队核对；哪些异常会触发重新展开。理解于是表现为能够在适当层次提出问题、说明条件并处理失败，而不只是记住全部细节。

个人的研究价值也由此获得新的描述。价值可以体现在建立可接续的问题群，维护可信的比较材料，创造新的对象表达，或使两个领域的研究者能够围绕同一结构工作。这些贡献有的最终进入论文，有的存在于软件、定义说明、失败档案和共同研究中。重新组织评价，并不是降低数学标准，而是让标准覆盖真正支持数学继续发生的劳动。

六 为什么要把典范猜想放在中心

一道通常意义上的数学猜想，是在一定对象和规则下提出尚待证明的命题。典范猜想则向前多问一步：如果改变对象的构成方式、同一性条件或运算组织，会不会形成值得持续研究的数学？这种猜想不因范围更广就天然更有价值，它承担的论证义务反而更多。研究者需要说明改变的动机，构造最小例子，展示哪些问题可以展开，并与已有数学进行实质比较。

本书以伞模型作为连续案例。其出发点是一个简单但不应被轻率处理的问题：如果一个单元不仅具有中心和强度，还具有影响范围及延续方式，那么对象、组合和更新应当怎样定义？这并不意味着现有数学不能表示范围。核函数、测度、算子与动力系统已经提供大量相关资源。案例的研究价值，在于把一个发生性问题逐步转化为明确结构，辨认它与已有理论的关系，并检验这种组织方式有没有额外的解释或实践收益。

这一过程可能得到几种不同结论。候选模型可能与熟知结构等价，却提供了便利的建模入口；也可能暴露一个需要补充的条件，形成新的命题；还可能因为缺乏表达收益而被终止。本书不会提前保证它必定成为新数系。一个允许失败的案例，比一份只展示成功的宣言更能解释数学发生所需的能力。读者应能根据定义与证明判断结论，而不必先接受作者的哲学立场。

SDE为本书提供解释研究活动的理论纲领。S指显露，D指差异运行，E指特征纠缠。它们不是互不相干的三个标签，而是要求我们追问：某种显露由怎样的差异运行与特征纠缠形成，运行方式又怎样受到显露及纠缠的约束，纠缠如何在活动中重组。三个相互关联的表达式将在第五编展开。其作用是组织问题，不能代替某个具体定理的证明，也不能仅靠把现象填进三栏就宣称已经解释了现象。

通过这个案例，我们希望说明典范探索怎样获得严谨性。严谨并不要求研究一开始就具备成熟理论的全部定义，而是要求每个阶段准确交代已确定什么、尚未确定什么，以及下一步如何使不确定性减少。AI可以加快这一循环，也可能放大未经检查的假设。多元化的质量取决于检验、比较和接续机制，而不取决于候选名称的数量。

七 本书的论证如何接受检验

全书使用四类材料，它们承担不同任务。历史事实帮助辨认工具进入既有活动之后的变化过程；理论分析提出这些变化之间可能存在的机制；数学构造显示一个候选研究方向能否产生确定后果；未来判断则提出需要继续观察的条件。把它们混在一起会产生虚假的确定性。例如，从印刷史中发现知识流通扩张，不能直接证明AI必定创造更多数学职位；从一个伞模型命题成立，也不能推出SDE纲领的所有哲学主张都成立。

我们因此对主要判断设置不同的检验方式。关于职业重组，要观察任务成本、研究机会和收入资源是否重新分配；关于多元数学，要观察对象与方法是否实质分化，分支之间是否能够比较；关于复合研究，要记录工具参与究竟改变了哪些步骤，以及核验成本是否抵消了生成速度；关于生涯升级，则要看研究者是否取得更持续的活动能力、自主性与合作条件。只展示产出增长，不足以回答这些问题。

反对意见同样属于本书的材料。也许工具主要扩大了成熟领域中的成果生产，新典范探索的瓶颈仍在理论积累；也许候选生成成本下降以后，真正稀缺的是评价与验证；也许平台控制使多数研究者只能调用少数预设路线。若这些情况出现，我们就需要调整对升级路径的判断，而不是把任何结果都解释成预言正在实现。一个有内容的研究纲领，必须说明什么事实会使自己修改结论。

全书的历史编将提供具体比较，理论编将明确典范层次，实验室编将展示定义与失败怎样相互推动，生涯与教育编则把研究纲领放回人的时间、资源和制度中。第一附录进一步讨论物理、化学与生物，但不把数学证明当成所有科学的统一检验程序。不同学科的测量、实验、干预和历史材料，对典范猜想形成不同约束。多元发生的共同点存在于研究循环，差异则必须在学科实践中保存。第二附录从交通方式的扩展转向理念世界的建造，进一步说明：当典范本身能够成为共同构造、展开和检验的对象时，科学哲学应如何从典范内的研究与典范更替，走向对多元典范持续发生的研究。

八 把未来落实为下一次研究

数学家的未来不能只由关于机器上限的争论来决定。即使没有人能够准确预测未来系统的能力，我们仍可以改变今天的研究组织：把难题拆分成可以核验的部分，把模型差异写清楚，把失败原因留下来，使一次探索成为下一次探索的条件。这些工作看似没有“取代”与“革命”的语言激烈，却直接影响一个人能否进入新的研究活动。

本书所说的从常规解题走向多元数学发生，是重心的拓展，也是研究单位的重新组织。证明依然重要，精密计算依然重要，耐心积累依然重要；它们在工具支持下可以进一步参与对象、方法与典范候选的发生。一个正在完成传统课题的学生，也可以通过比较一个定义的不同版本，开始理解这种研究方式。转变不必等待旧工作全部结束，更不必以否定自己的既往训练为代价。

我们最终关心的是，能力封装释放的条件能否转化为更丰富的数学生活。有人继续深化成熟理论，有人搭建跨领域模型，有人维护公共证明资源，有人组织新的研究共同体。这些路径不必被压缩成同一种成功标准。它们需要共享的，是对论证的认真、对工具边界的清醒，以及使研究能够被接续的责任。

当一道难题不再足以安顿一段生涯，问题不只是怎样找到下一道更难的题。我们还可以追问：哪些对象尚未获得恰当表达，哪些差异被现有模型忽略，哪些合作尚未具备发生条件，哪些数学值得由我们与AI共同展开？全书将从这些问题出发，逐步建立一条能够实践、检验和修改的道路。

这条道路也向尚未进入数学职业的人开放。教师可以用它重新安排构造与证明的关系，研究管理者可以据此观察资源究竟支持了探索还是只增加了申报，其他学科的合作者则可以提出数学家独自生活在专业内部时不容易遇到的问题。未来由这些具体参与共同形成，而不是由某一种职业身份独占。