10月6日,OpenAI在GitHub 一次性公开722份AI生成的数学研究手稿,覆盖数百个待解难题。两周后,菲尔兹奖得主陶哲轩就在《自然》刊发评论,提出一个引人深思的判断:AI正在把数学带入 “证明过剩” 的时代,这并非褒扬,而是对AI提速研究节奏的警醒。
在陶哲轩看来,数学证明的价值不止是得出对错结论,漫长的推导、同行研讨、在过程里碰撞出新认知,本身就是数学研究的核心。AI却打破了这套节奏,它产出证明的速度,远远快于数学家消化、理解、思辨的速度,过剩最终演变成 “证明消化不良”。而就在三年前,陶哲轩还十分看好AI,认为它会成为数学研究值得信赖的合著者。
AI带来的产能过剩,早已不限于数学领域。OpenAI内部项目曾在5个月产出100万行无人工手写代码,资深工程师都难以逐行读懂逻辑;短剧行业更是剧变,AI入局后,月度新增短剧从去年1000部暴涨至18万部,海量供给摊薄流量,大量从业者生存艰难。日常办公里,AI刷屏同质化信息、产出冗长文档的情况也随处可见。
大家寄希望于Personal Agent来解决信息过载,由智能体替人筛选信息。但它只能帮我们省去处理内容的体力,无法回答最关键的问题:哪些内容真正值得投入精力阅读。更棘手的是,判断力、品位这类核心能力,需要人亲身实践、对比、接收反馈才能慢慢养成。如果人彻底退化成单纯的内容接收者,失去亲手探索、试错的过程,判断力便会慢慢退化,最后只剩下浅层的被动挑选。
当然这份担忧或许略显谨慎,很多领域本就存在 “机制尚未完全探明,却先行落地应用” 的先例。但对普通人而言,保持审慎、分清边界,懂得什么交给AI、什么必须亲自上手,才是应对AI洪流最稳妥的方式。当AI源源不断生产内容与答案,我们又该如何守住自身的判断力与独立思考能力?
文章节选自《第一财经》杂志10月刊
想要读懂AI产能过剩背后的深层矛盾,看清效率红利与认知退化的两难?订阅《第一财经》杂志,紧跟产业前沿动态,看懂风潮之下的机遇与抉择。热点天天换,认知永远保值 —— 无论你偏爱纸质,还是倾向电子阅读,多重优惠任选,攒下一整年的商业判断力。
全系产品低至5折起
世界纷繁,读点儿好的
专属社群,与同频人一起,提升认知