结语 数学家的未来 在新的数学发生中展开

一 回到那个面对证明的人

现在可以回到导论中的研究者。他面对一份由工具帮助得到的正确证明，既为问题获得解决而兴奋，又为自己的下一步感到不安。读完本书以后，这种不安未必立即消失。学位期限没有自动延长，研究岗位没有因为一种新理论主张而增加，经费申请仍然需要说明成果。但问题的结构已经可以看得更清楚：他受到冲击的，不必然是从事数学活动的全部能力，而可能是某种能力在旧分工中获得资源与认可的方式。

这一区分使行动成为可能。如果把问题理解为人类智慧与机器智慧之间一次总决赛，个人能做的似乎只有等待判决。如果把它理解为能力取得方式、研究活动和评价制度正在重新组合，就可以具体寻找调整的入口。某个证明环节已经可以可靠封装，便值得重新安排研究时间；某种资料组织妨碍合作，便可以改善接口；某种问题表达把重要差异排除在外，便可以试着改变对象与定义。未来从这些活动进入今天。

个人仍需要判断哪些改变适合自己的处境。一个处在毕业关键期的学生，可能先把已有课题做成可复现的研究作品；一个已经拥有稳定条件的研究者，可以承担更长周期的候选探索；一个团队则可以让不同成员保持不同风险水平。将这些选择一概排成从保守到先进的等级，并不符合本书关于多元发生的主张。路径的价值应由实际贡献与可持续条件判断，而不是由转型宣言的激烈程度判断。

数学家也不需要把过去的自己视为错误。长期证明训练、对反例的敏感、对概念细微差别的理解，仍可在新活动中发挥作用。变化在于，这些积累不再只服务于个人独立完成某一道题，也可以进入问题组织、模型比较、形式化核验和共同体建设。能否迁移，取决于研究者与工具及合作对象怎样重新互动。既往训练不是自动兑换未来位置的凭证，却可以成为未来能力发生的材料。

二 封装使已有能力成为起点

工具史告诉我们的最重要事情，并不是所有新工具都会无条件创造一个更好的职业世界。我们看到的是，技术、能力与智慧的封装会改变活动成本和能力分布，进而对原有分工形成压力。新行业可能出现，旧工作也可能在一段时间内继续存在；有的人成功迁移，有的人承担了长期损失。总体产量的增长无法抹去这些差别，后来的繁荣也不能追认早期转型中的一切代价都合理。

因此，对封装的积极回应必须包括活动创造与转型支持。数学领域若只要求个人学会新工具，却不改变资源和评价，研究者可能只是以更高速度参与原有竞争。成果数量增加，审阅与传播的负担也增加，研究时间被进一步切碎。封装所释放的能力若没有进入新的问题组织，就可能反过来成为提高旧生产指标的手段。这正是本书所警惕的同轨内卷。

领域升级需要使能力增长产生不同后果。可以是在成熟理论内部展开此前无法完成的比较，可以是进入新的应用任务，也可以是让基本对象、运算和评价方式本身成为探索对象。这些层次彼此支持，却不能相互替代。一个成功的应用模型未必构成数学典范，一项基础理论突破也未必立即形成新服务。尊重这些差别，才能让不同贡献获得合适的位置。

“否则就是内卷”的警示，指向的是对封装条件的使用方式。若所有新增能力都被导向相同对象、相同指标和有限位置，竞争压力就可能不断增加。要改变这种方向，不能只要求研究者保持创造热情，还需要为新活动提供时间、合作和评价空间。升级是一项需要组织的工作，典范多元化也是一种需要培育与检验的研究能力。

能力封装越成熟，起点就可能越高，但高起点不等于研究可以失去基础。当封装的适用条件改变，必要的基础知识使我们知道从哪里重新打开它。未来的基础训练应帮助研究者辨认对象、条件、逻辑与实现之间的关系，并能够在关键位置追问理由。这样，工具既不会被神化为不容检查的权威，也不会因为内部复杂就被一概拒绝使用。

三 多元数学必须留下可接续的作品

本书用一个连续构造说明，从发生性问题走向数学作品，需要经过怎样的劳动。影响范围的直观不能替代对象定义，漂亮的名称不能保证运算成立，几个数值算例也不能覆盖一般命题。每向前一步，都必须说明允许什么、排除什么、保留什么，以及这些选择带来哪些后果。一个研究者真正交给共同体的，应当是可以理解和继续展开的结构，而不仅是一个新领域的宣告。

伞模型的谨慎定位具有方法上的意义。借助有限空间、非负影响剖面和状态更新，可以把某些关于范围、重叠和历史的问题写成确定的数学关系。与既有核函数、线性代数及动力系统相联系，并不自动取消这种建模活动的意义；它使我们有机会准确辨认贡献位于何处。若新表示仅仅重新命名旧结构，必须承认这一点。若它改善了问题组织或引出了有用条件，则需要展示改进如何发生。

本书没有把最小案例包装成已经确立的新数体系。一个数体系主张需要更广泛的运算闭合、相容性、解释范围和研究生产力；一个形成中的典范还需要可以接续的范例、问题与共同研究。保持这条界线，才能保护真正的新探索不被过早承诺拖累。允许一个候选模型只取得有限而明确的成果，也是允许研究继续的条件。

失败记录在这里有积极作用。一个观测方式不能支持封闭的后续更新，说明它丢失了某种必要区别；两个操作不交换，说明顺序已经进入对象变化；一个应用任务没有额外收益，说明现有表示可能足够，或者比较任务尚未触及所关心的差异。失败不自动产生新知识，但当失败条件被明确表达，它就可以限制下一轮猜想，避免共同体一遍遍重复相同的无效尝试。

可接续性因而成为多元发生的重要标准。另一个人能否依据公开定义重新算出例子，能否指出证明的某一步需要补充条件，能否把模型用于不同任务，能否在不依赖作者持续解释的情况下形成下一项成果？这些问题比“是否足够颠覆”更具体，也更严格。一个愿意接受这种检验的候选方向，才真正开始离开私人直觉，进入多元的“我们的数学”。

四 人与AI共同研究也需要共同体

人—AI复合体并不是一个与社会无关的孤立单位。它依赖工具供应、文献积累、训练资源、合作网络和研究规范。若这些条件被少数平台完全控制，个体即使拥有很强的生成能力，也可能缺乏持续研究的自主性。因此，数学共同体需要关心研究记录能否迁移、核心验证资源能否稳定取得、工具变化能否被记录，以及不同条件的研究者能否公平参与。

共同体还需要重新认识贡献。有人提出核心问题，有人排除错误路线，有人完成形式化核验，有人维护公共代码和文献映射。这些工作不应全部折算为最后一篇论文上的模糊署名，也不应因AI参与而失去可辨认性。更细致的过程记录能够帮助评价，但记录本身不应成为压倒研究的行政负担。我们需要足以说明贡献和责任的材料，而不是对每一次思考进行全面监控。

在教育中，同样需要避免两种不切实际的要求。一种要求学生在使用工具之前独自重演几乎全部数学史，另一种要求学生只要调用工具得到答案就算完成学习。两者都无法准确观察研究能力。改变定义并推演后果，识别一个看似正确的论证为何失效，比较不同模型在同一问题上的表现，能更直接地显示学生正在形成怎样的能力。基础训练与创造训练可以在这些活动中相互支持。

博士培养尤其需要同时保护研究深度与道路弹性。学生必须对自己的论证承担责任，但不必被要求证明自己永远比机器更快；导师需要提供专业判断，也需要允许课题随着证据而变化。评价一份研究作品，可以考察它解决了什么，排除了什么，留下哪些可以继续的问题，以及作者能否在新条件下展开下一轮研究。这样的评价仍然严格，只是把严格落实在更完整的研究活动上。

共同体并非只能等待大学和资助机构完成改革。研究小组可以先建立公开的定义版本、可运行的最小案例和有边界的比较任务；研讨班可以安排对失败模型的讨论；课程可以保留不同构造之间的真实分歧。规模有限的实践无法解决所有制度问题，却能提供可供比较的证据，使改革不只是抽象愿望。

五 一个保持开放的研究承诺

第一附录把多元发生的讨论扩展到物理、化学和生物，目的并不是为所有学科规定同一种道路。数学中的证明、物理中的测量、化学中的合成与表征、生物学中的观察与干预，都对研究形成不同约束。AI可以帮助提出候选和组织比较，却不能让这些约束消失。不同学科之间的合作，需要具体说明哪些结构可以迁移，哪些只是启发性的类比。第二附录由此把问题推向理念世界的建设：借助AI，人们不仅可以在已经给定的典范中继续研究，还可以让多种典范候选同时获得展开的条件。对库恩的超越，必须落实为这种新增的研究活动，以及它能够经受的比较与检验。

科学典范多元化也不是候选越多越好。候选展开需要资源，比较需要时间，实验可能昂贵，公共注意力也有界限。一个有价值的多元研究体系，应能够使有根据的差异得到展开，使缺乏支持的路线及时调整或终止，同时保留以后重新检查的材料。多元化与选择并不矛盾。没有选择的生成会形成噪声，没有保留差异的选择则可能过早关闭未来。

本书的主张最终应由实践来检验。如果AI主要使旧题生产增速，而没有改善候选构造与验证条件，我们需要承认升级仍未发生；如果一个新模型始终无法说明相对既有方法的价值，就应降低对它的期待；如果复合研究增加了个人依赖和核验负担，也必须把这些成本计入结果。研究纲领的生命力来自能够承受反馈，而不是来自把所有反馈重新描述为胜利。

与此同时，不应把谨慎理解为停止尝试。数学的历史积累之所以能成为未来的条件，是因为研究者不断使定义接受新问题的压力，让熟悉的关系在不同组织中显露新的后果。今天，AI把更多展开工作带入可调用的能力范围，我们便有理由尝试更丰富的构造、更充分的反例搜索和更持久的跨领域合作。是否成功尚待检验，能否开始则已经部分取决于我们的选择与组织。

数学家的未来，因而既不能简单地从过去的职位名称中延伸，也不能寄托于一个永远不会被工具触及的能力堡垒。它将在实际研究中展开：在新的问题被提出时，在一个定义得到澄清时，在反例迫使模型改变时，在他人接过一个尚未完成的方向时。每一次发生都具体而有限，却可以成为后续更大变化的条件。

我们并不需要先知道终点，才能认真承担下一步。可以从一个真实问题出发，说明当前模型遗漏了什么，选择一个足够小的改动，借助AI展开后果，再让证明、计算、应用和同行意见共同参与判断。若这条路线失败，保留失败的理由；若它产生新问题，让后来者能够继续。这种工作方式使希望获得可检查的内容，也使个人不必独自承担关于整个数学未来的宏大承诺。

在下一轮实践中，可以把一个小组的研究材料按真实问题汇集，而不按工具品牌归档。同一个问题保存无工具支持时的处理方式、工具参与后的变化，以及不同验证程序发现的错误。经过一段时间，再比较哪些活动变得可行，哪些只是把负担从生成转移到审查。这样的记录有助于把“更强”落实为可分析的变化，也能够防止团队把界面的便利误认为研究整体已经升级。

还可以观察接续是否发生在原团队以外。如果其他研究者能够独立修改定义、复现结果并提出新的问题，那么研究作品已经开始获得公共生命。若每一次使用都必须回到最初作者那里获得解释，便需要继续完善表达与接口。共同体的扩大不是宣传覆盖的扩大，而是越来越多参与者能够凭借明确材料开展自己的工作。这也为“我们的数学”提供了具体含义：共同性从能够相互检验与继续创造的活动中形成，同时允许路线分化和评价上的合理分歧。

全书因此以一个开放问题结束：在人与AI共同开展的研究中，我们已经使哪些新的数学活动成为可能，下一步又能够让什么发生？