第二十章 AI为什么成为多元典范探索的重要基础设施
一、一个猜想背后有多少展开工作
提出“让数包含影响范围”只需要一句话，把这句话展开成数学却需要许多彼此依赖的活动。研究者要决定对象如何表示，寻找适当的同一性，定义运算，检查边界，构造例子，比较已有理论，并解释为何这些选择服务于最初问题。任何一个环节处理不当，都可能使后续工作偏离目标。
过去，探索者往往在很少几个方案之间选择，因为同时展开多条路线太昂贵。一种定义需要数周才暴露明显缺陷，另一种表示尚未实现就已耗尽项目时间。研究者的判断因此受到可支付劳动量的限制。所谓思想可能性，不只是脑中能够想到什么，也包括有条件把什么展开到可以判断的程度。
人工智能能够参与这些活动中的多种环节。它可以协助生成候选定义，编写算例程序，整理证明依赖，提出反例搜索方向，寻找相近结构，还可以帮助比较不同表述。各项能力并非同样可靠，也不能由一次成功推断全面成熟。但把它们纳入有验证的工作循环，确实可能改变探索者能够承担的任务规模。
因此，本书把人工智能称为重要基础设施，意指它能够进入持续研究的条件，而不只是偶尔提供一个答案。基础设施的价值体现在接续：一次探索留下的定义、代码和失败记录，能否支持下一次探索；一个人的工作，能否成为其他研究者可调用的能力。只有这种接续形成，速度才可能转化为领域升级。
二、从生成答案到组织搜索
已有研究展示了生成系统与可检查反馈相结合的力量。FunSearch把语言模型产生程序的能力接入演化搜索，并在帽集构造与在线装箱问题上报告成果。作者也说明，方法适于能够高效评价、反馈较丰富、且程序中可以隔离待改进部分的问题（Romera-Paredes等，2024）。这里值得注意的是，成果来自整个搜索循环，而不是把一句模型输出直接当作结论。
这一实例支持的判断是有限而重要的：在某些明确问题中，候选生成与评价能够形成相互改进的过程。它并不证明语言模型已经能够自主建立任意数学典范，也不意味着任何研究问题都有廉价评价器。把具体成果放在恰当范围内，反而更容易看清下一步需要补足什么。
一个典范候选的评价往往没有现成分数。研究者可能还在争论对象应如何定义，哪些任务值得保留。因此，搜索基础设施必须允许评价本身被讨论和修订。修订不能任意追随结果，而应注明问题来源、理由和影响。这样才能区分学习中的目标调整与为维护成功叙事而移动标准。
人—AI复合体可以把大问题拆成相对可核验的小任务：先检查定义是否产生非空对象，再检查运算是否封闭，再研究某个性质，最后比较对原问题的表达收益。每个小任务的结果都可能改变后续选择。系统的价值由这种有证据的协调产生，而不是由输出篇幅决定。
三、并行展开需要真正不同的路线
多智能体系统可以把工作分给不同角色，但角色名称不同不等于思想路线不同。如果几个智能体共享同一套假设、同一批资料和同一种评价，它们可能只是重复相近推理。真正有意义的并行，应当使候选在某些关键选择上形成差异，并清楚记录差异。
在一个假想的范围模型项目中，一条路线把影响表示为固定核，另一条允许核随状态变化，第三条引入历史依赖。三条路线需要共同的最小任务，也需要各自的边界测试。比较时可以问：固定核模型何时足够，状态更新带来什么收益，历史依赖是否真的必要，以及新增复杂性是否可以被观察或任务价值支持。
并行不意味着所有路线都必须长期保留。若某条路线很快被证明与已有方案等价，它可以转为解释工作；若出现不可修补矛盾，可以停止；若两条路线在不同条件下各有价值，可以继续分化。合理终止是节约研究资源的一部分，不应被视为多元发生的失败。
同样重要的是避免过早汇总。把几条尚未独立完成的路线快速拼成一份一致报告，可能掩盖真正的分歧。总编辑或协调者需要先保存各路线的定义与证据，再判断哪些可以合并。整合工作的目标不是消除所有不同意见，而是使差异具有准确位置。
四、验证基础设施决定探索能够走多远
候选生成越便宜，验证越可能成为瓶颈。若一个系统每分钟提出大量命题，却没有办法区分正确与错误，研究者获得的可能主要是筛选负担。有效封装必须包括与任务相称的检查能力，并清楚标记尚未检查的部分。
形式证明工具提供了重要支持。Lean的官方文档说明，内核接受的证明是在当前定义、定理与公理条件下成立的形式对象；验证还需要关注命题表达与公理依赖（Lean项目，2026年访问）。这意味着“通过形式检查”具有明确力量，也具有明确边界。它不能自动保证形式命题与作者原先的自然语言目标完全一致。
因此，一项研究可以区分几个检查层次：程序是否运行，数值结果是否稳定，有限算例是否满足性质，形式证明是否通过，形式命题是否正确表达目标，以及目标是否值得研究。各层之间可以互相支持，却不能相互替代。把所有绿色标记压缩成“已证实”，会丢失最重要的信息。
验证还需要有针对性的独立性。如果生成程序和检查程序复制了同一个错误假设，二者一致不能提供很强证据。可以采用不同实现、不同表达或人工推导检查关键环节。独立性不必意味着每一步都由完全隔绝的团队重复完成，但必须知道哪些共同依赖仍然可能产生同源错误。
五、失败记录怎样成为下一轮能力
在探索中，失败常常包含比成功截图更丰富的信息。一个定义导致运算不封闭，说明对象集合与操作规则之间存在不匹配；一个证明在特定条件处中断，可能揭示隐藏假设；一个程序在极端输入上失效，则提醒研究者原来的测试范围过窄。
如果失败仅留在临时对话中，下一轮探索就可能重复相同错误。研究档案应保存失败对象、触发条件、当时版本和后续处理。记录不需要把所有无关输出永久保留，而应保留足以解释路线变化的证据。这样，失败才能从个人经历转化为可调用的研究资源。
版本关系也十分关键。修改一个定义之后，以前的命题可能不再适用。若系统只保留最新文本，读者可能误以为旧证明已经验证了新对象。每项结果应当关联其具体定义和假设，重要修改应触发相应复核。研究中的可靠封装，依靠的正是这种条件管理。
失败档案还可以支持新方向发生。原来为了保留交换律而放弃的结构，可能在另一个顺序敏感的任务中重新获得价值；被视为噪声的边界情况，可能提示新的分类。档案不是墓地，而是带有原因说明的候选资源。人工智能可以帮助检索这些联系，但联系是否有实质意义仍需重新展开。
失败记录还应区分技术失败与理论失败。代码没有运行，不足以说明数学构造矛盾；搜索预算用尽，也不足以说明对象不存在；某个数值方法没有收敛，可能反映方法不适合问题。若不作区分，工具的局限会被误写成研究对象的局限。反过来，明确的逻辑反例也不能被降格为实现问题而无限推迟处理。
这种区分可以落实到项目记录：每次失败注明是表达、实现、计算资源、证明还是任务适配出了问题，并附上可以复查的证据。类别允许修改，但修改需要理由。如此，研究者能够统计真正限制进展的环节，决定下一轮应增加生成能力、改进验证，还是重新设计对象。
六、研究目标也会在互动中改变
把人工智能理解为只负责执行人的固定意图，会低估真实研究中的反馈。人在开始时往往并不完全知道自己要什么。一个反例可能使原问题失去意义，一个出乎意料的等价关系可能把研究引向另一个领域，一种新的表示可能让先前说不清的目标变得清楚。
因此，人—AI复合研究不宜画成单向的任务下达。研究者提出初步问题，系统展开后果，结果改变研究者的理解，新的理解又调整任务和工具。这种互动可以产生新的能力，也可能产生新的偏向。若研究者只接受符合自己期待的反馈，循环就会成为自我强化；若系统总把少见想法改写为常见答案，探索也可能过早收缩。
应对这些问题，需要设置能够触发重新讨论的节点。例如，在第一次发现结构等价时，暂停新颖性宣传；在核心假设改变时，重新检查全部依赖；在同一类型反例连续出现时，考虑放弃方向；在评价不断变动时，回到最初问题检查研究究竟还在回答什么。
这些节点不构成机械研究流程。实际探索会回退、跳转和并行。但明确哪些事件具有决策意义，可以防止高速执行掩盖方向失配。研究的自主性并不表现为始终坚持最初意图，而表现为能够理解变化、承担选择，并保存足以解释选择的理由。
七、速度之外的成本
人工智能服务的调用成本只是总成本的一部分。研究者还要整理资料、设计评价、核对结果、维护程序，并把工作转化为他人能够使用的成果。若系统生成内容太多而缺少结构，这些后续成本可能增长得比生成效率更快。基础设施建设应当减少完整循环的负担，而不只是优化最容易展示的环节。
有些成本来自依赖。研究项目可能依赖特定模型、接口、数据库或硬件，当条件改变时，已有工作能否继续？可迁移的定义、标准数据格式和可独立运行的验证程序，可以降低这种脆弱性。封装应当使能力更容易接续，而不应把关键理解完全锁在无法检查的服务中。
还有成本来自机会分配。大型团队能够同时运行更多候选，小团队可能只能选择少数路线；拥有专业数据的机构可能形成进入优势。若共同体希望典范多元化，不仅要鼓励个人大胆想象，也要支持公共算力、共享工具和合理的数据合作。否则，技术上的可能性可能转化为组织上的集中。
评价制度同样影响成本。若研究者必须把每次探索都包装成成功论文，失败记录和工具维护就缺乏动力。若职业评价只奖励最终命题，建立验证能力的人可能被低估。基础设施不是中性的附属物，它需要稳定劳动与制度支持，才能成为更多研究者的共同条件。
八、一个可持续实验室的最低配置
本书所说的人—AI典范实验室，不必首先是一栋楼或一套昂贵设备。它可以从一个小团队开始，但至少需要四种相互衔接的能力：保存问题与定义，展开候选，验证结果，以及比较并决定下一步。缺少其中任何一种，研究都容易失衡。
只有档案而没有展开，实验室会变成材料仓库；只有生成而没有验证，会变成猜想工厂；只有验证而没有问题更新，可能固守现有任务；只有讨论决策而没有具体成果，则难以形成可接续知识。四种能力的比例随项目变化，但它们之间必须形成反馈。
一个合理的启动项目应当足够小，使完整循环能够真正结束。与其宣布建立包含所有互动的新数学，不如先选择一种明确现象，提出两个有差异的表示，构造一组最小算例，证明几条性质，并检查一个实际任务。小项目不是降低理论雄心，而是为雄心建立能够承重的证据。
项目完成后，实验室应留下可由陌生研究者进入的材料：问题说明、定义版本、关键命题、证明状态、代码、比较结果和未解决问题。读者不需要重演全部对话，也能知道哪里可以继续。这样的成果比一次令人惊叹的演示更接近基础设施的实际价值。交接是否成功，应由实际接续过程来确认。
实验室还需要一个适度的停止规则。小项目开始时可以约定资源上限与阶段目标，例如先完成最小对象的性质检查，再决定是否扩大应用。若预定目标没有实现，就分析原因，而不是自动增加更多候选来维持忙碌。停止规则不应机械杀死有价值的意外方向，但能够迫使团队说明继续投入的证据是什么。
另一个容易忽视的条件是维护。一个曾经成功的程序，在依赖更新后可能无法运行；一套数据的含义，在团队成员更替后可能无人记得。可靠基础设施必须为维护留出时间，并把维护贡献纳入评价。只有这样，封装才不会随项目结束而瓦解，下一代研究者才能实际继承上一代创造的能力。
在教学环境中，这种最小配置也能成为训练单元。学生不只提交最终答案，还交付一个可重复的小研究循环，说明自己如何从失败中修改定义，如何检验工具建议，如何把成果交给同伴继续。训练由此触及复合研究能力的实际构成，而不只是熟练使用某个界面。
九、从能力封装走向研究空间扩展
人工智能之所以与数学家的未来密切相关，不只是它能替人完成某些工作，而是它可能改变研究工作的组织单位。个人不再只能按照自己的手工速度逐条展开思路，可以在人—AI复合体中探索多个候选，并把成熟部分进一步封装为可复用条件。
但这条道路没有自动成功的保证。若封装只服务于同一评价轨道上的产量竞赛，研究者会被迫以更快速度重复相近活动；若它支持问题更新、对象构造和跨路线比较，能力增长才可能变成数学发生空间的扩展。基础设施设计实际上参与了这两条路径之间的选择。
因此，评价一套研究系统，不应只问它完成了多少任务，还应问它使哪些原先难以开展的活动成为可能，哪些失败得到更早识别，哪些新对象获得清楚表达，以及哪些成果能够被他人继续。回答这些问题，才能把执行速度、验证能力和研究质量重新连接起来。
第四编到这里形成了一个明确过渡：常规科学提供可积累的研究条件，典范变动改变问题与方法，多元典范探索扩大候选空间，而人—AI基础设施使这些候选有机会获得实际展开。接下来需要进入数学发生本身，考察对象、同一性、边界和运算如何在不同互动中成为研究内容。