Dwarkesh Patel播客2026年7月1日發布了一期關於AI與數學未來的對話。嘉賓Grant Sanderson是YouTube頻道3Blue1Brown的創始人，該頻道以數學概念的可視化解釋聞名，是全球最受歡迎的數學教育頻道之一。Sanderson在斯坦福學習數學和電腦科學，畢業後曾在可汗學院製作教學影片，2016年底起全職運營3Blue1Brown。他正在製作一個採訪大量數學家的紀錄片系列，主題是AI在數學領域的最新進展，這個項目從2025年中開始，到2026年還在拍攝中。
這期對話的背景是2026年上半年AI數學成果密集爆發。4月，一個叫Liam Price的23歲年輕人用ChatGPT Pro把Erdos問題1196號餵給GPT-5.4 Pro，約80分鐘後拿到一個正確的解答，核心思路是把整數的整除結構建模為馬爾可夫鏈隨機遊走，陶哲軒隨後帶領8人團隊正式發表了這個證明。5月20日，OpenAI推翻了Erdos於1946年提出的單位距離猜想，一個存在了80年的數學問題。這兩件事讓"AI與數學"成為2026年最熱的話題之一。
三年前Dwarkesh第一次採訪Sanderson時問過一個問題：如果AI在國際數學奧林匹克競賽（IMO）上拿到金牌，那算不算AGI
？ Sanderson當時的回答是它只會變成又一個被攻克的基準測試。這個判斷已經被驗證了。2024年AI基本上可以在IMO上拿金牌，如果不是那年恰好出了兩道組合題的話。幾何題19秒出解，本質上是暴力求解器。Sanderson指出，IMO的四個類別是幾何、數論、代數、組合，對AI來說難度天差地別。組合題最像有遊戲性質的智力謎題，也是AI表現最弱的地方。
但金牌並沒有改變世界。所以Dwarkesh把問題升級了：如果AI解決了千禧年難題呢？比如黎曼猜想？到那個時候，還會有大量人類工作是AI無法自動化的嗎？
Sanderson把這個問題拆成了三條路徑，每條路徑對白領工作的替代性給出截然不同的答案。
第一種是"閃電連接"。 AI精通多個看似無關的領域，在它們之間找到意想不到的橋樑。他舉了一個經典故事：數論學家Hugh Montgomery在普林斯頓高等研究院和物理學家Freeman Dyson聊天，提到黎曼ζ函數零點對之間的統計關聯，寫下一個公式。Dyson說，這個表達式我認識，它出現在隨機厄米矩陣的特徵值研究中。兩個完全不同領域的公式長得一樣，催生了隨機矩陣理論與黎曼ζ函數之間尚未被充分探索的關聯。如果黎曼猜想的突破是這種類型的，AI的優勢在於它同時是量子物理的專家和解析數論的專家，不需要兩個人恰好在午餐時碰面。 但這種能力距離替代白領工作仍然遙遠，因為白領工作的瓶頸不是"把已知的一切連接起來"。
第二種是"建山"。 類似費馬大定理的證明歷程。費馬大定理的陳述簡單到中學生都能懂：x的n次方加y的n次方等於z的n次方，當n大於3時有沒有整數解？但實際證明需要橢圓曲線和模形式兩座數百年積累的理論大山先被建起來，然後才能提出連接它們的正確問題。如果AI能"建山"，能創造一套全新的理論，把一個學科應該怎麼想這件事提煉清楚，那這種智能水平之高，讓人很難相信它不會擴散到經濟的其他環節。
第三種是"蠻力推演"。 純粹靠更長的推理鏈條，不產生新理論，只是一份上千頁的、沒有人能從中獲得洞見的證明。類似於用一種理論上可行但對人類理解力毫無貢獻的方式通過考試。
三條路徑對人類理解力的影響完全不同。"閃電連接"天然容易被人理解，因為你只需要展示兩個端點之間的橋樑。2026年那個Erdos問題1196號就屬於這種類型：核心想法是用馬爾可夫鏈的概率語言重新表述一個數論問題。Sanderson說，如果把這個想法講給一個懂行的數學家，對方基本能自己跑完剩下的證明。 這就是"小想法，大效果"。
"建山"型的成果則需要人類花大量時間去攀登。Sanderson提到了ABC猜想的前車之鑑：日本數學家望月新一提出了一套叫"宇宙際幾何"的理論框架，數學界花了多年試圖理解他在說什麼，最終多數人傾向於認為這個證明大概率不成立。最壞的情況是AI"建了一座山"，數學家花數年爬上去，發現山頂什麼都沒有。
Dwarkesh問了一個更尖銳的問題：既然AI已經能跨領域連接想法來推翻猜想，下一個真正有意義的門檻是什麼？
Sanderson引用了一個分層：好的數學家證明定理，偉大的數學家提出猜想，最偉大的數學家創造定義。 他認為AI的下一個門檻就在後兩層。猜想生成和定義創造。這兩件事意味著什麼？意味著判斷一個問題值不值得研究，一個概念是否能打開一個全新的領域。
但問題來了：這兩件事幾乎不可能做成基準測試。 你無法像IMO那樣給出一個明確的"通過/未通過"判定。你不能寫一個標題說"GPT-5.4提出了一個好猜想"，因為沒人能量化什麼是"好"猜想。Sanderson指出，凡是無法做成基準測試的能力，在當前範式下也幾乎無法直接訓練，因為基準測試和訓練環境之間沒有本質區別。
那怎麼衡量進步？Sanderson的回答是：靠數學家談論AI時的語氣變化。 他的紀錄片項目從2025年中開始拍攝，到2026年已經能感受到語氣的轉變。在AI的世界裡，一年是很長的時間。他預計，衡量AI猜想生成能力的方式不會是一個跑分數字，而是數學家們開始說"我在決定自己的研究方向時，和模型的對話是真正有幫助的"。
為了解釋"重要的數學突破為什麼這麼難識別"，Sanderson講了一個他花了一年時間研究的故事。
二次方程的求根公式古代就有。文藝復興時期，一群義大利數學家通過秘密競賽找到了三次方程和四次方程的公式。四次方程的公式已經複雜到通常不會完整寫出來。自然的問題是：五次方程有沒有公式？
拉格朗日發現了一個關鍵線索。他指出，能否求解一個多項式方程與某些代數表達式在變量置換下的對稱性有深層聯繫。比如 a+b+c+d 無論怎麼排列值都不變，但 (a+b)×(c+d) 在某些排列下會改變。他的洞見是：如果你能找到一個含四個自由變量的表達式，使得所有排列只產生三個不同的值，那這種性質與把四次方程化簡為三次方程直接相關。推廣到五次方程，你需要一個含五個自由變量的表達式，在全部120種排列下只產生最多四個不同的值。Sanderson指出，這個條件可以寫成一道12歲孩子就能參與的腦筋急轉彎，試過之後你會覺得不可能做到。
這是數學史上第一次有人意識到，對稱性可能是研究多項式方程的正確角度。但拉格朗日本人並沒有解決任何問題。
大約50年後，阿貝爾和伽羅瓦幾乎同時在這條路上走出關鍵步伐。阿貝爾證明了五次方程不可能有根式求解公式。伽羅瓦走得更遠，他的理論可以針對任何具體的多項式方程判斷其根能否用根式表達。但伽羅瓦的理論在當時無法通過任何形式的"驗證"。他在監獄裡寫下想法，之前提交給法國科學院的論文被拒。Sanderson說，拒稿並非不合理。伽羅瓦寫的東西確實不連貫，不是一個完整的證明。用RL的術語說，當時充當驗證函數的人類審稿人給出的反饋是"不合格"。但他有某種直覺，覺得這裡面有東西。
伽羅瓦20歲死於決鬥。他託付兄弟和朋友把筆記轉交給高斯等數學家。又過了20年，劉維爾才注意到筆記里可能有價值的東西。再過20年，約爾當才寫出接近現代形態的群論專著。從拉格朗日隱約感覺"對稱性可能是正確的方向"到群論成形，中間隔了一百多年。在這漫長的時間裡，這個想法大部分時候連人類審稿人的驗證關卡都過不了。
而群論真正展現出實用價值還要更久。 20世紀物理學家蓋爾曼用群論的分解方式預言了夸克的存在。密碼學直到更晚才用到橢圓曲線。Sanderson的結論是：如果你想獎勵的是"伽羅瓦式的直覺"而不僅僅是"你解決了一個問題"，你需要一種完全不同的衡量方式。
他提到了一個可能的方向：壓縮即智能。也許可以獎勵概念的精簡程度：一個更小的表達式如果具有更強的預測力，就更有價值。類似柯爾莫哥洛夫複雜度的思想：不只問"答案對不對"，還問"用了多小的概念工具集"。
大部分數學家的日常工作並不是瞄準一個具體問題然後解決它。Sanderson以Langlands綱領為例：Langlands在一封著名的信中指出，數學中似乎存在大量尚未被發現的深層聯繫，費馬大定理的證明只是這類聯繫的一個實例。大量數學家把自己的工作描述為"試圖理解這張大地圖上不同區域之間的線索"。Sanderson判斷，未來五年AI在數學領域最有用的進展，大概率就是大規模填充跨領域的知識橋樑。
Dwarkesh補充了一個Sanderson高度認同的觀點：我們討論AI時總是關注單個系統有多聰明，忽略了數字智能可以任意並行化。不管AI在某個時刻的能力水平如何，它不是數學史上某個在決鬥中死去的孤獨天才做出幾個聯繫然後消失，而是把那個水平線同時鋪展到所有可觸及的問題上。 他用Montgomery和Dyson的故事類比：一個研究所之所以比一個人聰明，是因為你希望那些偶然的午餐對話發生。現在可以在智能體之間工程化地製造這些對話。
Sanderson在這個基礎上提出了一個反直覺的想法。人們常常擔心AI存在"熵坍縮"：所有模型訓練方式相似，思維模式趨同。但AI最大的優勢可能恰恰是在提示層面系統性地增加熵。具體做法是把同一個問題交給多個智能體，故意給它們不同的上下文和偏見：一個試圖證明命題成立，另一個試圖推翻它；一個從概率論角度出發，另一個從代數角度出發。
他用愛因斯坦來類比。愛因斯坦有一個極其富有成效的偏見：物理定律在不同參考系下應該看起來一樣。但他還有另一個偏見，"上帝不擲骰子"，這個偏見阻礙了量子力學的發展。如果你讓所有AI都變成愛因斯坦，量子力學就會停滯。你需要的是多個獨立的研究綱領，各自帶著自己的啟發式方法。 這意味著不存在一種"正確的科學啟發式方法"，你需要的是多樣性本身。
他還透露了紀錄片系列的第一集內容。那一集會聚焦一道AI和許多頂尖學生（包括陶哲軒）都做錯了的IMO題目。這道題在IMO的語境下會強烈誘導你走一條優雅但無法證明最優的路徑，而真正的答案幾乎簡單到令人尷尬。解題的關鍵是"逃離你的上下文"：逃離你身處IMO賽場的上下文，逃離你受過的競賽數學訓練。 如果把同樣的題目當街頭腦筋急轉彎拋給路人，路人反而可能答對。這恰好是"系統性熵增"策略的完美案例：給不同的智能體不同的上下文，比讓所有智能體共享同一個上下文更有可能找到正確答案。
對話中途Dwarkesh拋出了一個看似跑題的問題：AI在電腦操作（computer use）方面為什麼進展那麼慢？
Sanderson認為這個問題恰好揭示了AI在數學領域進展快的第二個原因，一個被大多數人忽視的原因。多數人把數學進展快歸結為"可驗證性"：數學答案對就是對、錯就是錯，可以作為RL訓練的驗證獎勵。但電腦操作同樣容易驗證："我的包裹到了沒有""我的活動訂上了沒有"，這些結果判斷完全明確。
真正的差異在於可反覆刷（grindable）。數學問題可以啟動成千上萬個並行rollout反覆嘗試，結果確定性高，信用分配清晰。但網站有反爬蟲機制，你不可能在亞馬遜的結賬頁面同時跑一千個並行測試。代碼也類似，你可以把代碼倉庫容器化，派出幾百個並行容器各自實現同一個功能，因為結果完全確定，你能精確定位成功和失敗之間的差異。但現實世界的大多數任務沒法這樣容器化。建一個成功的企業、在市場上交易一天賺到錢、操作瀏覽器完成購物，每天起點不同，你沒法反覆重放並刷同一個模擬器。
關於Lean形式化系統在AI數學中的角色，Sanderson的判斷同樣出人意料。他認為Lean作為RL訓練的驗證獎勵環境被高估了。 理由擺在眼前：DeepMind在2024年IMO上用的是全Lean方案，下一年就換成了全自然語言方案。OpenAI推翻單位距離猜想時發布的推理過程中也沒有Lean。
但Lean有一個尚未被充分探索的獨特價值。你可以啟動一個程序讓它持續不斷地嘗試擴展Mathlib，一個用代碼寫成的數學定理庫，永遠不需要人來檢查。它可能自己生成猜想、自己發展新定義，其中大多數是垃圾，但它擁有一棵可以無限生長的邏輯樹。讓它持續運行，不斷往裡灌算力，十年之後再回來看它積累了什麼。這是數學獨有的一種可能性：可以完全脫離人類監督地"跑"。
Sanderson引用了陶哲軒正在參與的一個研究項目：窮舉搜索所有可能的代數公理系統。大多數公理系統產生的結果毫無意思，但偶爾會出現一個"小島"，一個全新的公理系統，至少在定理產量上看起來豐富。也許其中某個"小島"可以被回溯性地賦予動機，就像回頭看群論的公理時你會意識到"原來這就是在刻畫對稱性"。
Dwarkesh還提到了Karpathy2026年3月發布的autoresearch項目：一個630行的Python文件，封裝了基本的LLM訓練流程，讓智能體自主修改代碼、運行5分鐘實驗、根據結果保留或丟棄修改，然後重複。一個晚上無人監督就跑了50個實驗。這和Mathlib擴展的邏輯完全一致：設定好評估標準，然後讓機器自己去探索。
Lean還有另一個獨特的作用。Sanderson引用數學家Alex Kontorovich的觀點：當AI每天生成10篇論文時，如果存在任何錯誤率，哪怕99%是對的，對數學家來說也會無法忍受。 你不知道一篇AI論文值不值得花時間去讀，因為找出錯誤本身極其費力，如果最後發現是垃圾，你的時間就白花了。Lean的綠色對勾意味著"哪怕這個證明複雜到令人痛苦，你至少知道它是對的"。其他所有學科都夢寐以求這樣一個東西，數學恰好有。
對話在這裡出現了一個轉折。既然AI在數學領域進展如此之快，為什麼在寫作方面卻幾乎沒有類似的突破？
Sanderson用一個思想實驗解釋了自回歸生成方式的根本局限。想像一個聰明人被鎖在箱子裡，與世界互動的唯一方式是收到一張紙條，預測下一個會出現什麼，然後記憶被清除。重複無數次之後出來一篇文章。這個人看了可能會說："這不是我會寫的文章。" 因為反覆預測下一個詞和構思整體文章是兩件完全不同的事情。在這種模式下，你是自己上下文的奴隸：正在回答某個特定領域的問題，就會調動那個領域的全部知識往那個方向走，而真正有價值的連接恰恰是那些極不可能的、跳出當前領域的聯想。
但寫作的問題比這更深。Sanderson指出代碼和數學都具有模組化屬性，一個函數寫得再粗糙，只要輸出對就能用。寫作則不同：讀者消費的直接就是AI生產的那個東西本身。每個段落、每句話、每個用詞就是實質內容。代碼寫得再爛，只要跑出來的東西對就能用；寫作如果是slop，連"跑出來的東西"都不存在。
好的寫作要求在恰當的時刻製造意外。這種意外不是隨機提高溫度參數就能產生的，關鍵在於精確知道在哪個點上做出不可預測的選擇。這恰好與自回歸的本質，即預測最可能的下一個token，相矛盾。
Dwarkesh補充了一個更底層的原因：AI缺乏心智理論。 他提到Andy Matuschak和Ozzie Kirkby對LLM生成間隔重複學習卡片的研究。在他們2026年的Memory Machines基準測試中，表現最好的模型仍有36%的卡片不可用。核心瓶頸是寫一張好卡片需要預測使用者3個月後的心智狀態。寫作面臨同樣的問題：好的作者在寫每一句話時都應該思考讀者此刻腦中發生了什麼。
Sanderson提到了一個可能相關的實驗：注射過肉毒素的人在識別他人面部表情方面表現變差。假說是理解別人的情緒有一部分通過自己的面部肌肉在潛意識層面模仿對方的表情來實現。面部凍住了，鏡像機制就斷了。LLM沒有面部肌肉，沒有身體經驗，沒有"把自己放進對方位置"的現成硬體。 它擁有人類寫下的一切文本，但潛意識層面的"設身處地"是完全不同的能力。從這個角度看，LLM缺乏心智理論一點都不奇怪。
Sanderson用一個切身經歷說明了LLM在學習方面的價值和局限。
他嘗試用LLM學半導體相關知識時覺得純文本不夠直觀，就問Claude有沒有好的可視化影片。Claude推薦了幾個，排在第一位的據說來自3Blue1Brown。Sanderson說："我可以保證3Blue1Brown沒有做過這個影片。" Claude給了一個真實的鏈接，但把別人的影片誤歸到了他名下。不過那個影片確實好。他點過去看完之後的學習體驗遠好於繼續在對話框裡追問。
這個例子背後是他對學習的一個核心判斷：選擇"誰"來學比選擇學"什麼"更重要。 他建議大學生選課時少看學科興趣、多看教授是不是好的教育者。選書時如果喜歡一本書，下一本該讀的是這個作者的其他作品，而不是同一主題的另一本書。
LLM的解釋在他看來類似維基百科：每句話都是對的，但缺少一個個人在刻意構建動機和敘事弧線。 維基百科的文章之所以讀起來平，是因為它是眾包的，每句話都要經受"正確性"的審查，而一個好的解釋者有時需要在途中故意說一些"不完全對"的話，之後再修正，以此構建理解的腳手架。這種手法在眾包環境中會被編輯掉，在LLM的訓練中也會被平滑掉。維基百科最有用的部分往往是底部的參考文獻列表。同樣，LLM最有用的功能之一可能是幫你找到該去讀誰的東西。
他描述了自己最高效的學習場景：螢幕三分之一是Steven Strogatz的混沌與非線性動力學課堂錄像，三分之一是同一本教科書的對應章節，三分之一是一個LLM。Strogatz負責選擇概念的呈現順序和動機構建，教科書負責細節，LLM負責在他卡住時做即時的輔助解釋。但框架是Strogatz提供的，不是LLM提供的。
Sanderson還指出了一個LLM目前做不到的事：當你問了一個錯誤的問題時，告訴你"你的問題本身就不對"。 一個好的人類教師會說"你其實不該這麼想這個問題，你該想的是另一個問題"。LLM太遷就了，它會順著你的錯誤框架往下跑，而不是把你拉回來。他承認，最好的教師，那種能把學生的錯誤思路柔道式地翻轉過來的教師，是更高的標準，也許五年後LLM也能做到這一點。
Sanderson說他聽到過的一個有趣類比是：未來數學家的角色可能更像藝術博物館的策展人。 AI可能在證明和解釋方面都做得比人類好。但在幾乎無限的數學概念空間中，仍然需要有人幫你導航：哪些想法值得你花時間去理解？
即使AI在策展方面也更擅長，人類仍然會傾向於信任與自己有關係的人類策展人，因為我們被某個話題吸引往往是一種社會現象。就像人類音樂家不會因為AI生成的MP3在客觀質量上更好就失去角色，因為音樂人背後有故事，有社會功能。 Dwarkesh的聽眾信任的是Dwarkesh的策展，選擇什麼話題值得做一期節目，而不是因為某個特定話題恰好是他們事先想了解的。
Sanderson明確判斷：教學可能是後AGI時代最穩定的職業之一。 教學的核心是關係性的。它遠超出"解釋"的範疇，是社交的、教練式的、導師式的。如果人們在富足世界中有更多財富，花在好教育上的錢反而會更多。
他還給了準備進入數學領域的學生一條通用建議：搞清楚你的薪水到底從哪裡來，你到底在為誰創造什麼價值。 是大學的品牌價值？是NSF基金背後的"基礎科學是公共產品"的信念和圍繞這個信念的整套官僚機制？還是直接的教學服務？不管AI進展如何，問清楚這些問題的學生已經領先一步了。他坦言自己是偶然撞進"把數學探索變成娛樂"這條路的，本來可以更早通過主動思考而不是依賴運氣到達這裡。
在最激進的情景中，如果AI在數學領域看到了遠超人類視野的東西，Sanderson認為如果還有任何工作存在，"把AI學到的東西蒸餾給人類"一定是其中之一。 而且策展人的經濟價值反而更大了：能理解AI數學成果並判斷它應該指向哪個應用方向的人，一個判斷能撬動的價值比以前大得多。
對話快結束時Dwarkesh問了一個可能讓數學家不太舒服的問題：如果數學研究被AI加速了10倍甚至100倍，現實世界會有什麼變化？
Sanderson說這取決於加速發生在哪個分支。他舉了一個具體例子：一位做動力學和偏微分方程的數學家，其團隊幫波音公司用模擬替代了原本需要拆解和重建飛機才能做的測試，據說節省了數十億美元，波音因此直接資助了那個研究組。在偏微分方程相關領域，數學進步確實能直接推動引擎設計和計算流體力學模擬效率。
但代數數論就是另一回事了。Sanderson承認，這個領域的進展幾乎不太可能直接"解鎖"實際應用。如果AI加速的數學進展主要發生在那些早已與物理現實脫節的純粹數學分支中，世界可能會尷尬地發現：數學界幾十年來在基金申請書里寫的那些"橢圓曲線的進步將有助於密碼學"之類的許諾，也許並不兌現。
他說，這可能是AI數學進步帶來的最不舒服的副產品之一：迫使數學界正視一個問題，即過去幾十年提出的大量研究方向，到底有沒有觸及物理世界。但如果我們真的進入了AI帶來的富足世界，可能反而會有更多資金流向基礎科學，因為社會對"公共產品"的投入意願隨財富增加而增加。
即便某些純粹數學分支沒有直接應用，Sanderson指出人類文明幾千年來一直在積累這個知識體系。如果AI把積累速度提高了一個數量級，至少當未來某個應用場景出現時，知識儲備已經在那裡等著了。他用一句話概括了自己對整個局面的態度："如果在未來五年裡，AI在數學領域的進展沒有任何一項溢出到有經濟價值的應用中，那會讓人有點失望，也有點奇怪。"
Q1: AI在數學領域進展最快的原因是什麼？不只是因為結果可驗證。同等重要的是數學問題可以無限"刷"：你可以啟動成千上萬個並行rollout反覆嘗試同一個問題，結果確定性高，信用分配清晰。真實世界的任務做不到這一點，因為每次起點不同、環境不可重複、還有反爬蟲機制。代碼與數學共享這兩個屬性，所以也跑得快。
Q2: AI數學進展的下一個門檻是什麼？Sanderson認為是猜想生成和定義創造。好的數學家證明定理，偉大的數學家提出猜想，最偉大的數學家創造定義。但這兩件事沒有清晰的成功/失敗判據，不能變成基準測試，因此也不能直接用RLVR來訓練。衡量方式將是主觀的：數學家在談論AI時語氣的轉變，從"它幫我解了題"變成"它幫我想清楚了應該研究什麼方向"。
Q3: 面對AI衝擊，數學從業者和學生應該怎麼想？搞清楚你的薪水到底從哪裡來。教學是後AGI時代最穩定的工作之一，因為它的核心是社會關係。如果AI加速的數學進展向工業領域溢出，能理解這些成果並判斷它們應該指向哪個方向的"策展人"，一個判斷能撬動的價值比以往大得多。
