GPT-5.5 Pro 冲击数学研究范式 菲尔兹奖得主警示学术体系转型

这件事最具讽刺意味的是，最先拉响警报的人，恰恰是 "被替代链" 中最安全的那一位。

1998 年菲尔兹奖得主、剑桥大学三一学院院士、法兰西公学院组合数学讲席教授蒂莫西・高尔斯（Timothy Gowers），拥有数学界最顶尖的学术履历。但他近期在博客中用冷静到近乎冷淡的语气，为自己的学生发出了红色警报，同时也彻底粉碎了整个数学界依赖了半个多世纪的底层假设。他的原话直白得令人心惊："过去，只要有人提出问题就够了。但现在，它必须足够难 —— 难到大语言模型解不了才行。"

这句话背后，隐藏着一场无声却致命的范式转移。过去，衡量一个数学问题价值的标准是 "有没有人想过"；从今往后，衡量它的标准变成了 "大语言模型能不能做"。一条全新的基准线，就这样被一块硅片轻轻划在了人类智慧的版图上。

一、17 分钟改写数学难题 AI 展现博士级研究能力

先从那次让整个数学界陷入沉默的实验说起。

高尔斯将加性数论学家梅尔文・内桑森（Melvyn Nathanson）最新论文中的一批开放问题作为压力测试，不提供任何数学提示，直接提交给了 GPT-5.5 Pro。内桑森本人已经证明了一个指数级上界 2^k−1，但一直怀疑可以进一步收紧。模型经过 17 分 05 秒的 "思考"，干净利落地将上界从指数级压缩至二次方级 O (k²)，而高尔斯当场确认这就是理论上的最优解。

麻省理工学院博士生艾萨克・拉贾戈帕尔（Isaac Rajagopal）作为该问题的原研究者，给出的评价分量极重："如果我花一两周思考后能想出这种东西，我会非常骄傲。ChatGPT 不到一小时就找到了。"

回到高尔斯的判断：当 AI 能在一个半小时内完成博士培养核心的 "动手实践" 任务时，数学界就必须重新审视整个基础训练体系。传统数学博士的培养路径遵循着一套非常清晰的 "入门" 方法论：导师分给新生难度适中、定义清晰但尚未解决的开放问题，让他们在 "真正解决一个数学问题" 的过程中建立研究信心与手感。这条被几代数学家用了几十年的黄金通道，被 GPT-5.5 Pro 在不到两小时内彻底堵死了。

高尔斯将结论推到了最极端的位置：2026 年开始读博、最早 2029 年毕业的学生，到时候数学研究的意义可能已经面目全非。

二、AI 批量攻克开放问题 博士培养体系面临挑战

将高尔斯的警报放到更大的行业背景下，其冲击力更加明显。

• 自 2026 年以来，厄尔多斯问题论坛（erdosproblems.com）上已有 15 个问题从 "开放" 状态转为 "已解决"，其中 11 个明确标注了 AI 的贡献。
• 23 岁、没有高等数学学位的业余爱好者利亚姆・普莱斯（Liam Price），使用 GPT-5.4 Pro 用约 80 分钟解决了困扰数学界 60 年的厄尔多斯 #1196 号问题（原始集下界问题）。相关推导经陶哲轩亲自验证并扩展为新的理论起点，最终成为包含陶哲轩等 8 位作者的 arXiv 预印本。
• 剑桥大学 21 岁本科生凯文・巴雷托（Kevin Barreto）使用 GPT-5.2 Pro 配合 Aristotle 工具解决了厄尔多斯 #728 号问题，通过了 Lean 自动形式化验证，被陶哲轩称为里程碑式的成就。

短短几个月内，各大科技公司的大模型各自捅穿了数学家们几十年未能攻克的阵地。高尔斯那句被无数次引用的开场白 ——"如果你是数学家，继续读之前最好先坐下"—— 听起来像是善意的告诫，实则更像一堵冰冷的承重墙正在发出开裂的声音。

但这并不意味着所有博士生都失去了存在的意义。陶哲轩给出的互补观点更为关键：人类数学家未来的核心价值可能不在 "证明定理"，而在 "消化成果"—— 理解、筛选、整合、应用 AI 产出的海量数学结果。未来的研究可能不再是 "人类能否独立证出 AI 证不了的东西"，而是 "人类能否与 AI 合力解决任何一方单独都解不了的问题"。

只是这层缓冲最终会被时间打破。其背后隐藏着一道残酷的两难命题：你怎么训练一个博士生去 "消化" 他还不具备能力自己生成的东西？高尔斯坦诚自己没有答案，但他明确表示 —— 数学系对学生负有照管责任，应当紧急为此做好准备。

三、"提出问题即合格" 时代终结 数学家角色面临重构

高尔斯的冰冷结论最终把我们推回了那个最原始的问题：数学家的好日子还剩多久？

这不是一句哗众取宠的悲观设问。它指向一场正在发生、且近乎暴力地溶解数学研究入门级工作的转型。当一个 21 岁非数学专业背景的人在 AI 辅助下，用一个周末就解决了 "一代数学家半个多世纪没解开" 的开放问题时，"学术准入资格" 这个词的含义已经被悄然改写。

高尔斯的论点里还藏着半句没有说完的话：过去只要有人提出一个问题就够了，但现在它必须难到大语言模型解不了 —— 而这道 "大语言模型解不了" 的难度阈值，正在以肉眼可见的速度不断后退。

这听起来像是人类智慧的终结吗？或许更像一个重要的分水岭。人类终于开始从某些枯燥、机械、公式化的证明流程中撤出，把 "提出真正深刻的问题" 留作最后的护城河。但讽刺的是：既然高尔斯在这次实验中提供的提示词 "几乎不含任何数学输入"，那我们又凭什么相信，那座最后堡垒 ——"提出深刻问题" 的能力 —— 不会在下一次技术跃迁时也被快速攻破？

对于广大科研工作者而言，无论是否愿意承认，AI 已经成为学术研究中不可或缺的重要工具。如何安全、高效地使用前沿 AI 模型辅助科研工作，是当下每一位研究者都需要面对的课题。UseAIAPI作为专业的全球 AI 大模型接入平台，全面覆盖包括最新发布的 ChatGPT 全系列、Claude 全系列、Gemini 全系列、DeepSeek 在内的全球热门 AI 大模型，提供一站式无缝接入服务，无需复杂配置即可快速上手使用。平台同时支持企业级定制化服务，可根据不同科研场景和业务需求量身打造专属解决方案。在成本方面，UseAIAPI 长期为用户提供极具竞争力的优惠政策，最低可达官方价格的 50%，能够大幅降低高强度科研计算、大规模数据分析和学术写作带来的成本压力，让更多科研工作者能够轻松享受到前沿 AI 技术带来的生产力红利。

四、技术浪潮不可阻挡 学术体系需紧急调整

27 年前，高尔斯因在巴拿赫空间领域的深刻洞察获得了菲尔兹奖；27 年后，他的博客多了一句分量极重的结语："数学系有责任照顾自己的学生，应当紧急为此做好准备。"

"紧急" 二字所透露出的紧迫感，针对的不是当前已经发生的变化，而是对一个事实的清醒认知：一切才刚刚开始。

正如高尔斯在博客开篇提醒所有数学家的那样 —— 最好坐稳了。而站在风暴中心警告天气即将变坏的那个人，同时也意识到自己手里撑的那把伞，未必能撑得了太久。