AI作为数学发现者

AI从"辅助工具"升级为能够独立提出新证明方法、解决长期未解难题的"数学发现者"。这一概念标志着数学研究的范式革命。

核心特征

AI独有的推理方式，不同于人类的全局叙事，而是通过局部验证和修复，逐步构建出完整的证明。这种模式被Jared Lichtman评价为"opportunistic"但意外高效。

AI能够发明全新的证明方法。在Erdős Problem #1196的案例中，AI用von Mangoldt函数构造Markov链，被陶哲轩评价为"把整数的解剖结构和流网络理论紧密连接起来"。

AI不怕计算量、不怕试错，能同时探索成千上万条路径，还能自我验证——这正是人类大脑的天然短板。

本文案例是对该概念的挑战和延伸。该概念认为大模型擅长"论证"而非"真理"，但本文展示了AI在数学这一追求"绝对真理"的领域取得了突破性发现。在形式化验证框架下，AI的"论证"能力可以产生"真理"。

本文案例是对该概念的强化。Liam Price的角色正是一个"AI初级工程师"团队的"Tech Lead"——他提出需求（Prompt），AI执行探索和生成，他负责评估和引导。

本文案例展示了在"屏幕内"的智力劳动领域（数学研究），AI的冲击已经达到"发现"级别，远超简单的"自动化"。

未来数学研究的范式：AI负责疯狂探索和生成，人类负责判断方向、精炼证明、寻找深层联系。就像AlphaFold重塑生物学一样，AI正在重塑数论、代数、几何……甚至整个纯数学。

普通人借助强大的AI工具，也能参与到最前沿的智力探索中。这打破了学术壁垒，使数学发现不再是顶尖PhD的专属领域。