AI一秒给答案，却永远夺不走怀尔斯证明费马大定理的瞬间

当AI按下按钮就能给出答案，我们失去了什么？

30年前，一部关于安德鲁·怀尔斯的纪录片记录下了一个令人动容的场景。他坐在书桌前，描述自己终于找到费马大定理证明漏洞修复方法的那一刻——不是他最初那次有缺陷的宣告，而是经过数月挣扎后，真正豁然开朗的瞬间。

他哽咽着说：“我此生再也不会有比那天在书桌前更强烈的时刻了。” 他几乎说不出完整的句子。

这个场景被Lex Fridman在对话中反复提及，用来对比当下AI一键生成答案的体验。如果你按下按钮，机器就吐出解法，你绝不可能获得怀尔斯那样的情感冲击。

直升机登顶与徒步攀登

对话中有一个精妙的比喻：你看到一座巨山，说“总有一天我要登顶”，于是开始日复一日训练，一点一点靠近。然后一架直升机降下来，直接把你丢到山顶。你确实站在了峰顶，但攀登的意义被抽空了。

AI给出的答案正是那架直升机。它高效、准确，却剥离了人类在漫长求解过程中与问题建立的情感纽带。怀尔斯的眼泪不是为答案而流，是为那七年孤独的打磨而流。

安德鲁·怀尔斯（Andrew Wiles）是英国数学家，因证明费马大定理而闻名于世。费马大定理由皮埃尔·德·费马在1637年提出，断言当整数n>2时，方程x^n + y^n = z^n没有正整数解。这个看似简单的命题困扰了数学家358年。怀尔斯从1986年开始秘密研究，经过七年努力，于1993年宣布证明，但随后被发现存在漏洞。他又花费一年多时间修复，最终在1994年与理查德·泰勒合作完成证明。怀尔斯的证明融合了模形式、椭圆曲线和伽罗瓦表示等现代数学工具，开创了数论的新时代。他的工作不仅解决了千年难题，更展示了数学创造的孤独与激情。纪录片《费马大定理》记录了他在证明完成时的情感爆发，成为数学史上最动人的瞬间之一。

数学是一门孤独的手艺

对话中提到了一个关键事实：直到20世纪，几乎所有数学论文都只有一位作者。如今数学论文的作者中位数是两位。这与实验科学截然不同——数学不是实验室科学，它本质上是孤独的process。

怀尔斯独自打磨费马大定理长达七年，格里戈里·佩雷尔曼在庞加莱猜想上的工作同样以长期独处著称。这种工作方式在现代学术界越来越罕见，却恰恰是重大突破的温床。

导师为何不让学生做自己的课题

对话者分享了自己的指导哲学：给研究生布置的课题刻意不与自己正在做的重叠。“我希望他们拥有自己的领域，我想为他们打开门。”当学生取得成功时，那应该是他们自己的成功——即使导师最初有方向性的直觉，执行和突破归属于学生。

这种刻意保持距离的做法，与AI时代“即时获取答案”的文化形成鲜明反差。真正的学术成长发生在自主探索的摩擦中，而非答案的被动接收中。

在学术指导中，导师刻意让学生研究不同课题的做法，背后是培养独立研究能力的教育理念。研究生阶段的核心目标之一是学会提出问题和解决问题，而非简单执行导师的指令。如果学生直接沿用导师的课题，容易陷入路径依赖，缺乏对研究方向的自主判断。独立选题迫使学生面对未知，从文献调研到问题界定都需要自己摸索，这种摩擦正是学术成长的催化剂。此外，不同课题能避免学术近亲繁殖，促进学科交叉。历史上许多重大突破都源于年轻学者在独立探索中的意外发现。因此，导师的“放手”不是冷漠，而是对学生学术身份的尊重和信任。

问题不是被解决的，是被发现的

对话者提到自己一个月前发表的一篇论文，背后是十年的思考。那是一篇五位作者的论文，十年间他们不断取得渐进式进展，最终才拼出完整图景。

更关键的是他对问题本质的描述：项目开始时，他们甚至无法给出一个精确的形式化陈述。“我们无法在起点告诉你需要证明的精确命题是什么。” 问题本身是在反复攻坚的过程中逐渐显露的——你一点一点地凿，直到看见足够多的轮廓，才明白它应该如何被表述。

与AI解题范式的根本分歧

当前AI在数学领域的进展令人瞩目，但其工作模式与上述过程存在根本差异。AI擅长处理已经形式化的问题陈述——你给它一个明确的命题，它搜索证明路径。但怀尔斯式的数学创造，恰恰发生在问题尚未被清晰表述的阶段。

这不是说AI无用，而是说它替代不了人类在混沌中辨认问题轮廓的能力。十年磨一剑的论文，起点往往是一句“这里有个现象，我不理解它是什么”。

形式化问题是指那些已经被精确表述为数学命题的问题，例如“证明存在无穷多个素数”或“求解某个方程”。AI在数学中的典型应用包括自动定理证明和符号计算，它们依赖于将问题转化为机器可处理的逻辑形式。然而，数学创造中最关键的一步往往是将模糊的直觉转化为形式化陈述。这个过程需要数学家对现象进行抽象、类比和猜想，而AI目前缺乏这种从混沌中提炼问题的能力。人类数学家能在不完整的信息中感知模式，提出有意义的猜想，并逐步修正问题表述。这种“问题发现”的能力是数学创新的核心，也是AI难以替代的。

过程的价值不可外包

怀尔斯的瞬间之所以震撼，是因为它承载了七年的挫败、修正和坚持。AI可以压缩求解时间，但无法压缩意义的积累。当我们把越来越多认知劳动交给机器时，需要认真思考：哪些过程值得保留给人类？

至少对于基础数学而言，孤独的长期攻坚不仅是产出突破的方式，它本身就是数学家身份认同的一部分。佩雷尔曼隐居多年解决庞加莱猜想后拒绝菲尔兹奖，怀尔斯在纪录片中泣不成声——这些时刻定义了学科的文化，而不仅仅是知识的增量。

AI是强大的工具，但它不该成为直升机。登山的意义，终究在攀登本身。