二十五位菲尔兹奖得主——数学界最接近诺贝尔奖的荣誉——共同签署了一份关于人工智能的警告。互联网的反应自然而然：老一辈感到害怕。专家们在捍卫他们的权威。拥有终身职位的反对者。
然后你打开声明，反应就消失了。
它首先归功于人工智能。在过去几个月里，大型语言模型在多个数学领域解决了重要的开放问题。没有保留，没有否认。最有资格检查这些工作的人员是那些确认其有效性的人。
警告是在胜利之后发出的，而不是针对胜利的。他们自己对问题的称呼在标题中：严重的不对齐。人工智能公司正在优化答案。数学存在是为了产生理解。这两者并不是同一种产品。
简而言之：该声明并不是反对人工智能——其主要签署者以测试前沿模型为生。实际的主张是：著名的未解决问题是灯塔，而不是顶峰。它们的价值在于它们所迫使的导航和沿途构建的工具——费马大定理产生了350年的数论工具，我们今天仍在使用。人工智能现在解决了问题，跳过了旅程，提供的证明几乎没有增加知识。最稀缺的资源是“学生和想法”——按这个顺序——当答案是免费的时，学徒制就会崩溃。这是古德哈特法则应用于整个文明的记分板，而同样的不对齐也将影响每一个知识产业。包括我的。
我是詹姆斯，水星科技解决方案公司的首席执行官。来自香港数码港——2026年9月15日。我的公司为企业构建人工智能与人类之间的桥梁，因此来自世界顶尖数学家的声明，描述机器输出与人类理解之间的差距，对我来说并不是一个抽象概念。这是产品规格。更多内容见下文。
发布警报的人
陶哲轩于9月11日在他的博客上发布了该声明。记住你正在打交道的人：陶被邀请进入前沿人工智能实验室，以压力测试他们在数学方面最强大的模型，他还在YouTube上展示了他如何使用人工智能实时解决问题。他比大多数构建模型的人更具人工智能原生性。
在同一个博客上，同一天，他发布了第二件事：关于一个几十年来未解决问题的公开挑战的公告——安德鲁斯-柯蒂斯猜想——他帮助组织这个挑战，其规则明确欢迎人工智能工具。
同一个人。同一天。一篇帖子中发出警报，另一篇帖子中向机器发出邀请。"守护领土"无法解释这种组合。解释它的是一个区别：他欢迎工具并拒绝记分牌。
前二十五位签署者都是菲尔兹奖得主，名单仍然开放，名字中包括2026年获得奖项的中国数学家邓宇。这些人并不是相关性正在减弱的人。
著名问题究竟是为了什么？
外部人士将著名的未解决问题视为高峰。费马最后定理、黎曼假设、双素数猜想——山峰，谁先插旗谁就赢。问题结束。
声明称它们是地标和灯塔。这个隐喻就是整个论点，所以慢慢来。高峰是一个目的地。灯塔是一个方向。它位于没有人跨越的水边，其整个功能是将船只引导到那里——在途中，船只建造东西。
费马最后定理花了三百五十年。怀尔斯在1994年解决了它。但我们保留的不是旗帜，而是机制——在这个过程中发展起来的整个代数数论领域，仍然在数学和密码学中日常使用。如果你只盯着最终的证明，你无法看到这个学科实际上走了多远。问题从来不是重点。旅程才是重点，而旅程留下了基础设施。
照着灯塔找路，和直接把灯泡拧下来，是两回事。
没有人需要的千万行证明
我找到的最清晰的解释并不是来自二十五位，而是来自评论中的一位数学家。以双素数猜想为例——至今未被证明，但该领域的每个人都相信它是真的，并大致知道原因。现在把一份千万行的机器验证证明交给那位数学家。
他的知识大约增加为零。
唯一的新事实是AI现在已经证明了它。"然后呢？"即使每一步都经过机器验证，人类仍然需要阅读、消化、理解——在任何人能够在此基础上进行构建之前。这项工作无法压缩。它不是你收集的收据；它就是产品本身。
我们已经进行了这个实验。在2002年和2003年，格里戈里·佩雷尔曼发布了三篇极其简洁的预印本，证明了百年未解的庞加莱猜想——没有期刊，没有精炼的论证，步骤被跳过。答案在公共互联网中存在，免费且正确，持续了三年，而多个数学团队填补了每个空白，产生了数百页详细的论证，并进行了一个又一个的研讨会。到2006年左右，结果终于属于数学。
注意这意味着什么：答案在2003年就存在。理解在2006年到来。只有第二个算数，因为只有理解才能推动下一个结果。没有人理解的证明不会进入数学。它进入档案。
学生在思想之前
声明中最安静的激进观点是：该领域最宝贵的资源是“学生和想法”——按这个顺序。
这里是这一观点背后的实践。数学顾问故意给学生分配那些答案已经知道的问题——有时是几十年前在文献中解决并印刷的问题。答案从来不是作业。作业是三天卡在墙上，错误的转弯，凌晨三点两个想法终于结合在一起的时刻。这就是工具如何在负载下学习的——这些工具必须承载四十年的研究。
人工智能现在在挣扎中将答案摆在桌面上。学生们接受了。当然，他们会接受；我也会。在正确的提示就在一条提示之外的情况下卡了三天，而明智的选择是拒绝？不。
声明并不责怪学生。它责怪评分系统。当整个行业根据人工智能解决了多少著名问题来评分时，所有下游的优化都朝着公告而不是理解的方向发展。排行榜可以衡量快速、正确、可比较。它们无法衡量“写得让其他人可以跟随”，“其他人可以重用的方法”，“一个从另一边变得更强的学生”。这就是不对齐：被优化的事物和实际有价值的事物已经分开。古德哈特法则，从一个指标扩展到一个文明。
为什么一家人工智能公司应该倾听
水星的创始前提是，人工智能的最后一公里是人类——在机器产生的结果与人类吸收之间，巨大的价值损失发生。数学家们无疑是最纯粹的案例：他们的答案需要最长的时间来消化，因此他们最先感受到这个差距。
但这个模式并不只是他们的。没有人阅读的报告。没有人信任的仪表板。高管在董事会面前无法辩护的AI分析，没有翻译。输出并不等于理解——在任何行业都是如此。随着模型以机器速度提供答案，理解成为每个接触它们的组织的瓶颈。我们为客户衡量的本质上是答案产出：机器产生的多少转化为人类的决策和能力。菲尔兹奖得主们在这一曲线的艰难端生活了一整年。
他们以克制的方式结束。他们没有指责任何人错误。他们说：这项技术的发展取决于控制它的人指向何方——而数学只是第一个答案开始比理解更快到达的领域。
如何解决不对齐的问题
对于AI构建者：停止单独基准测试答案。添加理解度指标。一个称职的人能在合理的时间内验证输出吗？非专家从中学到了什么可重复使用的东西吗？一个证明没人能消化的模型已经为新闻稿进行了优化。
对于领导者：有意识地保护学徒制。在课程中保留已知答案的问题——挣扎就是内容。根据他们能解释的内容来评估年级团队，而不是他们能提示的内容。
对于现在采购人工智能的任何人：在签署之前问数学家的问题。当机器是正确的，我的团队实际上获得了什么？如果供应商的回答只是“速度”，那么你买的是一个灯泡，而不是海岸线。
停止评分答案。开始评分理解。
二十五名奖牌得主不会停止基准赛——数学对机器推理来说是太好的健身房，实验室也知道这一点。但他们已经写下了整个经济即将进行的交易的最尖锐描述。船只刚刚学会如何拆卸灯塔。现在是否还有人知道海岸线是一个管理问题。
水星科技解决方案：加速数字化。