今年5月，AI推翻了一项由数学家埃尔德什提出、延续约80年的几何猜想。OpenAI的成果尚待数学界进一步检验，但至少说明AI已经进入过去只有顶尖数学家才能探索的研究领域。图：视觉中国
文｜李嘉 张丹丹
今年9月，OpenAI宣布，组织约一万个AI智能体，经过88小时研究，得到了一项关于三维纳维-斯托克斯方程的重要数学证明，表明在特定外力条件下，流体运动可能在有限时间内出现奇点。该问题源自著名的七个“千禧年大奖难题”之一，每解决一道奖金高达100万美元。自2000年设立以来，七道难题中仅有一道获得正式认可的解决。
这并非孤例。OpenAI在10月6日公布了722份数学手稿，涉及372组研究结果，称其尚未发布的新版大模型解决或推进了数百个此前悬而未决的数学问题。今年5月，AI推翻了一项由数学家埃尔德什提出、延续约80年的几何猜想。OpenAI的成果尚待数学界进一步检验，但至少说明AI已经进入过去只有顶尖数学家才能探索的研究领域。
数学界的反应远超惊叹。9月，包括陶哲轩在内的25位菲尔兹奖得主联名发表声明，指出数学研究的目的并不是单纯攻克著名难题，更重要的是获得新的概念、方法和理解。AI可以迅速给出答案，却未必带来同等程度的理解；大量成果快速发布，也对引用、署名和学术规范提出了新的挑战。
数学家担心的是，当答案与理解开始分离，我们该如何评价一项数学研究的价值。
但还有另一个同样重要的问题：当答案与人的能力也开始分离，我们又该如何识别人才？
难题不仅是衡量知识进步的标尺，也是我们筛选科研人才的工具。
用论文筛选人才还靠谱吗
从数学放眼整个学术界，大学招聘和教师晋升看论文，基金机构依据研究成果分配资源，背后都有一个重要前提：困难而出色的成果，通常需要与之匹配的科研能力。一个人的创造力、判断力和科研潜力无法直接观察，只能通过他解决了什么问题、发表了什么论文来反推其能力。因此，一篇顶级论文既是一项知识成果，也是一张能力证明。
以论文评价科研人员并非没有道理。论文从投稿到发表通常要经过同行评议和反复修改，研究的规范性、方法和学术贡献需要接受专业共同体的检验。论文因此成为一种相对标准化、成本较低的筛选工具。严格来说，同行评议评价的是成果，而不是作者；但长期以来，好成果与研究者的能力高度相关，因此两种评价往往可以合二为一。
而AI可能改变这种长期使用的评价体系。
今年7月，北京协和医院神经外科住院医师金山木公开了一篇单独署名的数学预印本，利用AI辅助证明了提出已有22年的克鲁泽猜想。包括猜想提出者本人在内的多位数学家经过独立核验，认为这一证明成立。这项成果本身值得充分肯定，也体现了研究者发现问题和运用新工具的能力，但它同时提出了一个新的评价难题：当研究者可以借助越来越强大的AI取得过去极难获得的成果，一份成果所包含的关于作者能力的信息可能变少了，我们还能在多大程度上从成果反推作者本人的能力？
这是AI给科研体系带来的一项容易被忽视的变化。我们通常关注AI提高了多少科研生产率，却较少注意，它也可能降低部分科研成果作为人才信号的辨识度。这也可能倒逼学术界重新思考论文的意义。过去，论文既增加知识，也证明能力。论文既然承担证明能力的功能，研究者就不可避免地会研究发表策略：选题不仅考虑是否重要，也考虑能否发表；方法不仅服务于问题，有时也承担展示技术能力的功能，由此也产生了“为发表而发表”的激励。比如，经济学界近年来对“因果识别竞赛”和过度追求复杂模型的讨论，就体现了这种担忧。
当论文证明个人能力的功能有所减弱，真正重要的问题反而可能更加突出：一项研究究竟增加了什么知识，提出了什么新问题，是否改变了我们对事情的理解？
AI改变的，是科研能力出现在哪里
AI对不同研究任务的影响并不相同。
劳动经济学长期以来从“任务”而非“职业”出发，理解技术进步对劳动力市场的影响。Autor等人的经典研究指出，传统计算机技术主要替代能够按照明确规则执行的常规性任务，而与复杂的问题解决、人际互动等非常规性任务形成互补。Acemoglu和Autor进一步强调，技术进步会改变人在不同任务上的比较优势，进而重新塑造人与机器之间的任务分工。
大模型的发展延续了这一任务视角，却也提示我们需要增加一个新的分析维度。
过去，技术替代常被谈论的例子包括下围棋、做翻译和编写代码。如今，AI甚至开始挑战顶尖数学家的高难度推理能力。证明一个重要数学猜想显然不是简单劳动，也不是传统意义上的常规任务，但如果问题已经明确，证明是否成立又可以通过严格的数学推理，甚至借助Lean等工具进行形式化验证，AI就可能通过大规模搜索和推理找到答案。
这说明，任务有多难、需要多高的专业技能，已经不足以判断AI究竟会替代什么。理解AI时代的人机分工，或许还需要考察任务的另一个特征：它是否具有明确的完成边界。
从这个角度，可以把科研活动粗略地区分为两类：一类是从“1到100”的技术性工作，即问题已经给定，主要困难在于搜索、推理、计算和求解；另一类是从“0到1”的原创性工作，即发现新现象、提出新问题、形成新的概念和解释框架。
这里的“技术性”并不意味着简单。回复一封目的明确的电子邮件、编写一段满足特定要求的程序，以及证明一个已经提出的数学猜想，难度可能相差极大，却具有一个共同特点：问题已经给定，什么算“完成”也相对清楚。
在这类任务中，AI越强，就越有可能迅速逼近任务的完成边界。过去需要人投入大量时间才能完成的搜索、计算和推理，可以越来越多地交给机器。
但科学研究并不只是解答已经写好的题目。
许多真正重要的突破，首先来自研究者发现了一个过去被忽视的现象，或者意识到一个看似寻常的问题背后，隐藏着值得解释的重要规律。
以经济学为例，一项重要研究需要决定研究什么，到哪里寻找和收集数据，怎样理解复杂的制度背景，如何从现实世界的异常现象中形成研究问题，又如何在相互冲突的证据中作出判断。这些活动往往没有预先确定的终点，研究者甚至在一开始并不知道真正的问题是什么。
自然科学也是如此。以寻找地外生命为例，AI可以帮助天文学家处理海量观测数据、识别异常信号、模拟不同的行星环境，但每一次发现又可能产生新的问题：哪些异常值得追踪？应该设计怎样的新观测？一个反常结果究竟是噪声，还是意味着原来的理论需要修改？
在这样的开放式任务中，AI未必只是帮助人更快抵达一个既定终点，还可能不断扩大人能够探索的问题空间。随着AI能力提高，研究者可以尝试更多假说、处理更多证据、探索更多方向，而人的洞察力、判断力和选择能力也可能因此变得更加重要。
如果把不同任务理解为不同的生产过程，那么两类任务的一个重要区别，可能正在于人的边际产出如何随AI能力的提高而变化。
在具有明确完成边界的技术性任务中，随着AI越来越接近独立完成任务，人继续投入的边际价值可能迅速下降，从而体现为替代关系；而在开放式的创造性任务中，AI可能不断拓展研究的可能性，使人的持续参与创造新的价值，表现出更强的互补关系。
因此，AI对科研的冲击取决于具体任务的性质：问题是否已经被清楚定义，结果是否容易验证，研究过程能否在数字世界中由机器独立完成，以及研究者能否不断拓展探索的边界。
这一变化已经开始引发数学界对研究价值和评价标准的重新思考。
10月9日，数学家陶哲轩在加州理工学院发表题为“Math 2.0”的演讲，提出数学研究需要从传统模式向新的模式转变。在他看来，过去的数学研究高度重视率先解决公开难题，但当AI能够大规模攻克这些问题时，单纯追求解题数量和速度，可能不再是推动数学发展的最佳方式。
陶哲轩设想的“Math 2.0”，希望数学界更加重视对数学知识的深入理解与阐释、学术共同体的建设，以及开辟新的研究方向。他并不否认解决难题的价值，而是主张重新平衡数学研究的目标，并相应调整教育、发表和职业评价的标准。
这实际上触及了一个更深层的问题：当解决难题不再像过去那样稀缺，数学界应该更加珍视什么样的贡献，又应该如何识别真正优秀的数学家？
陶哲轩的思考与AI时代科研能力的变化形成了呼应。过去，提出问题和解决问题往往紧密联系，能够攻克极其困难的问题，本身就是科研能力的重要证明。但随着AI越来越擅长完成已经定义清楚的任务，科研能力的价值重心可能进一步向研究过程的上游移动。
当完成一个给定任务越来越容易，发现什么问题值得研究就会更加重要；当分析已有数据越来越容易，创造新的事实和证据就会更加重要；当得到一个答案越来越容易，判断这个答案是否可信、是否重要、意味着什么，就会更加重要。
这也意味着，基础性、原创性的研究可能变得更加值得珍视。原创性并不只是把一个已有问题解决得更快、更漂亮，还包括发现此前没有被看见的问题，建立新的概念和解释框架，改变我们提出问题和理解世界的方式。
实践研究也可能提供论文之外的一类补充信号。真实世界很少把问题预先定义清楚。发现真正的问题、获得关键的一手信息、理解制度约束、协调不同主体，并让研究结论经受现实检验，都需要研究者持续观察、判断和选择。这些过程能够帮助我们识别，一项成果背后究竟包含了多少研究者自身的原创贡献。
未来评价一个研究者，或许不仅要问“他解决了什么问题”，还要更多地问：这个问题是谁提出的，为什么值得研究，以及其中真正属于研究者的原创洞察是什么？
当答案越来越便宜，什么变得更贵
当获得答案的成本下降以后，我们应该依据什么识别最优秀的科研人才？
过去，一篇公认困难而出色的论文，本身就是研究能力的重要信号。对于青年学者尤其如此。一位资深学者有多年研究积累、同行评价和代表性成果可供参考，青年学者却缺乏这样的历史记录。招聘和晋升委员会往往只能根据几篇代表作判断其研究潜力。
AI深度参与研究之后，所有研究者都能够调用越来越强大的模型，研究效率普遍提高，技术完成度普遍上升，原来具有区分度的一些指标也可能逐渐丧失区分能力。
这提示我们，科研人才评价或许需要从一个更根本的问题出发：一个优秀的研究者，究竟为知识生产创造了什么新的可能性？
如果沿用前面的任务框架，AI最擅长的可能越来越是完成已经定义清楚的任务。在给定目标、给定约束和给定评价标准之后，它能够搜索更大的空间，进行更多计算，尝试更多证明，并越来越快地逼近答案。
那么，人类更加稀缺的能力，可能恰恰是创造新的任务。
这里所谓“创造新的任务”，强调发现过去没有被注意到的现象，提出此前没有被清楚表达的问题，创造新的事实和证据，建立新的概念和解释框架，并由此开辟一个此前不存在的研究方向。
如果说解决一个给定的问题，是在既有的知识生产函数上提高产出，那么真正原创的研究，往往是在创造新的生产函数：它改变什么值得研究、什么可以被观察、什么问题能够被提出，也改变后来的人和AI可以继续解决什么问题。
未来真正优秀的研究者，未必只是能够在一个给定问题上比别人走得更快、更远的人，更可能是能够借助AI不断打开新的问题空间的人。他发现一个新现象，由此提出一个新问题；解决这个问题之后，又产生新的事实、新的解释和新的问题。研究不再只是沿着一条已经铺好的道路前进，而是在AI的帮助下不断向未知世界开疆拓土。
AI完成任务，人创造任务；AI拓展解决问题的能力，人拓展“什么问题值得解决”的边界。
当然，这一区分并非绝对。AI未来完全可能参与发现问题和提出问题，人也不会退出具体问题的求解。真正重要的，是一个研究者能否利用AI不断扩大自己可以探索的空间，并持续创造新的知识价值。
这意味着，科研评价需要从最终成果适度延伸到更长的研究链条。
论文当然仍然重要。但在论文之外，还需要追问：为什么选择这个问题？这个问题是谁提出的？关键事实是谁发现的？数据和证据从哪里来？面对相互冲突的结果，研究者如何判断？研究走不通的时候怎样调整方向？一个问题解决以后，他又由此看到了什么新的问题？
因此，评价也需要给予“问题本身”更大的权重。
为什么这个现象值得解释？哪些事实与已有认识发生了冲突？一个不起眼的异常背后是否存在更一般的规律？在自然界和人类社会中，还有哪些重要的问题甚至没有被清楚地表达出来？
对问题“重要性”的判断绝不同于短期“有用”。许多最终改变人类社会的基础研究，在产生之初根本无法预见其用途。真正应该增加权重的，是问题的原创性、基础性以及打开新的知识空间的潜力，而不是它能否立即产生政策或商业回报。
这也要求大学和科研机构形成自己的学术判断，而不能把判断完全外包给期刊。期刊的同行评议仍然是现代科学共同体极其重要的质量控制机制；但“能否在某本期刊发表”和“这个问题是否值得长期研究”，毕竟不是完全相同的问题。AI时代，后一种判断的重要性可能进一步上升。
不同类型的研究也需要寻找不同的人类优势。
AI越擅长完成单一、明确、可以验证的任务，人类就越没有必要在所有环节与机器正面竞争。更值得发展的，可能是那些需要跨越多种知识、长期判断、现实互动和不断重新定义问题的复合型研究。
让机器承担它擅长的搜索、计算、推理和执行，人则把更多精力投入发现问题、创造证据、判断方向和理解意义。未来最优秀的科研人员，未必是最擅长与AI比赛解题的人，而可能是最善于借助AI进入无人区的人：把未知变成问题，把问题变成任务，把任务变成新的知识，再从新的知识中打开更大的未知。
论文和期刊能够长期成为科研评价的重要依据，自有其道理：它们标准相对清晰，便于比较，长期形成的同行评议制度也在一定程度上减少了人情和关系对评价的干扰。
因此，改革绝不是从“唯论文”走向“不要论文”，更不能从一种简单指标走向另一种简单指标。论文仍然应该是重要的证据，严格的同行评议仍然应该是学术共同体的基础。
真正需要增加的，是能够识别原创性、洞察力、判断力、研究过程以及持续创造新任务能力的其他证据。而评价一旦变得更加综合，就更需要严格的回避制度、同行判断和透明程序来约束其中不可避免的主观性。
这条路比数论文难，也比看期刊档次麻烦得多。但或许没有捷径。
这并不意味着学术精神正在失去意义。恰恰相反，当答案越来越容易获得，科学研究真正珍视的东西反而更加清晰：尊重事实，敬畏真理，敢于提出真正重要的问题，用证据和逻辑检验结论，不满足于已有的答案，始终保持对未知世界的好奇与探索。
今年的诺贝尔科学奖再次提醒我们，伟大的科学突破往往不只是解决一道已经存在的难题，更重要的是打开此前无人进入的知识空间。当AI也能攻克世纪难题、给出天才般的答案，我们需要重新思考的，或许正是如何识别那些能够不断创造新任务的人：他们发现新的问题，形成原创思想，开辟新的研究方向，并借助AI把人类带到此前无法抵达的知识疆域。
作者李嘉为新加坡管理大学经济学院院长、李光前经济学讲席教授；张丹丹为北京大学国家发展研究院副院长、北大博雅青年学者、经济学教授。