近期，人工智能（AI）在数学领域的突破引发了广泛关注。Anthropic公司宣布其Claude模型在11天内完成了费马大定理（Fermat's Last Theorem）的形式化验证；与此同时，OpenAI也宣称其智能体在88小时内破解了“千禧年难题”之一的纳维-斯托克斯方程（Navier-Stokes equations）。这些进展被视为数学这一“科学的王后”率先迎来AI“奇点时刻”的标志。然而，学术界对此反应不一：支持者认为这是AI辅助人类解决复杂科学问题的重大信号；而25位菲尔兹奖得主则联合发声提醒，单纯追求答案并不等同于推动科学进步。
讨论首先聚焦于为何数学成为AI最早产生突破的领域。参与者指出，数学作为一套严密、自洽且不依赖物理实体的逻辑体系，天然契合AI的计算逻辑。其中，马骁（Donald J. Lewis研究助理教授）强调，“形式化”（Formalization）正在重塑学科底层——即将数学推理转化为精确、无歧义且可机械验证的符号系统。通过Lean等形式化语言，复杂的推导可以被视为在确定规则空间中的搜索问题。由于计算机在处理此类大规模搜索时具有绝对优势，AI在数学上的突破在很大程度上是预料之中的。
【核心提要】
【正文报道】
近期，人工智能（AI）在数学领域的突破引发了广泛关注。Anthropic公司宣布其Claude模型在11天内完成了费马大定理（Fermat's Last Theorem）的形式化验证；与此同时，OpenAI也宣称其智能体在88小时内破解了“千禧年难题”之一的纳维-斯托克斯方程（Navier-Stokes equations）。这些进展被视为数学这一“科学的王后”率先迎来AI“奇点时刻”的标志。然而，学术界对此反应不一：支持者认为这是AI辅助人类解决复杂科学问题的重大信号；而25位菲尔兹奖得主则联合发声提醒，单纯追求答案并不等同于推动科学进步。
针对这些现象，9月13日，在第十九届浦江创新论坛“跨越奇点·加速科学发现”分论坛上，多位海内外顶尖专家就数学本质、物理现实与科研范式跃迁展开了深度对话。
讨论首先聚焦于为何数学成为AI最早产生突破的领域。参与者指出，数学作为一套严密、自洽且不依赖物理实体的逻辑体系，天然契合AI的计算逻辑。其中，马骁（Donald J. Lewis研究助理教授）强调，“形式化”（Formalization）正在重塑学科底层——即将数学推理转化为精确、无歧义且可机械验证的符号系统。通过Lean等形式化语言，复杂的推导可以被视为在确定规则空间中的搜索问题。由于计算机在处理此类大规模搜索时具有绝对优势，AI在数学上的突破在很大程度上是预料之中的。
然而，专家提醒，计算能力的强大并不意味着能解决所有难题。陆品燕（上海财经大学计算机与人工智能学院院长）指出，尽管AI擅长基于规则的搜索，但面对“P与NP”等具有复杂性壁垒的世纪难题，单纯依靠算力并不能在短期内突破。此外，他认为大模型能够流利生成自然语言这一现象，其背后的理论突破性甚至高于它证明某项数学定理。
相比于逻辑严密的数学，生命科学和材料科学等