摘要：9月初，arXiv上一篇论文直接在学界投下一个重磅炸弹，GPT-5这个AI模型，竟以定理贡献者的身份，实实在在写进了数学论文的正文里。

9月初，arXiv上一篇论文直接在学界投下一个重磅炸弹，GPT-5这个AI模型，竟以定理贡献者的身份，实实在在写进了数学论文的正文里。

它的名字不是躲在辅助工具的脚注里，而是凭自己推导出的全新结论，被原封不动地收进了核心推导部分。

要知道，数学这地界从来是人类智慧的绝对自留地，可现在，AI的笔迹真真切切出现在了定理推导里。

外界在得知消息后立马炸锅，吵着AI要取代数学家了、学术圈要变天了，但真正的内行却没那么激动，他们的冷静，比这场AI写论文的热闹本身，藏着更值得琢磨的答案。

这次GPT-5啃下的硬骨头，是数学里的第四矩定理这定理是Nualart和Peccati搞出来的，用途很实在，判断一类随机变量会不会收敛到正态分布，

但它有个卡了多年的缺口，只敢说会收敛，却算不出收敛有多快，就像告诉你火车会到终点，却不说要几小时，对实际应用来说等于白说。

研究团队干脆把这个难题抛给了GPT-5，在Malliavin–Stein框架下，能不能给第四矩定理加个速度表？

没想到GPT-5真给出了答案，它推导出一个全新结论，只要第四矩逐渐逼近高斯分布的数值，收敛速度就能被清晰刻画。

这可不是小突破，对搞应用数学的人来说，收敛速度是定理落地的关键。

比如分析金融数据的极值风险、模拟物理里的随机过程，以前只能笼统用会收敛凑活，现在有了定量边界，模型才算真的能用。

更关键的是，整个推导过程没掺水，不是研究者拿着AI的碎片思路自己润色，而是直接把GPT-5的推导搬进论文，这是大型语言模型第一次以贡献者身份，站上数学研究的核心舞台。

外界一听说GPT-5写论文，立马喊AI要取代数学家了，但扒开细节才发现，这压根不是AI的solo秀，而是教授+AI的组合拳。

GPT-5一开始确实亮眼，上来就抛出了定理陈述，逻辑看着挺顺，可研究者一较真就发现，在AI给出的定理中，关键环节里推导竟然用了错公式！

研究者见状赶紧追问，让AI再检查下这个公式，给他讲讲细节，没想到GPT-5乖乖补了过程，结果还是错的。

直到研究者直接向GPT-5指出错误，GPT-5才认错，调转思路重新推导，来来回回纠错了好几次，它才拿出正确结果，还按要求整理成了论文格式。

论文作者后来打趣称，跟GPT-5合作，就像带个聪明但毛躁的实习生，虽然方向给得快，证明写得顺，但必须有人盯着擦屁股。

除了这件事，一位研究员的经历更能说明问题，他让GPT-5解凸优化的公开问题，几分钟就把经典收敛速度上限从1/L提到了1.5/L！

在外人看来是颠覆性突破，但优化专家却泼了冷水，他认为GPT-5就是用了Nesterov定理这个老工具，有经验的研究者几小时也能搞定。

说白了，GPT-5是快枪手，但不是开创者，它能把人类已知的工具快速拼出新结果，却还没学会从零到一的原创。

归根结底，GPT-5进论文这事儿，最让人揪心的不是AI抢饭碗，而是它可能把科研变成流水线作业。

研究团队在论文结尾称，GPT-5最擅长的是拼接现有工具，技术上挑不出错，但没什么原创性，用白话来讲，AI就像是用现成的积木拼模型，再精致也是组装，不是设计新积木。

要是未来学界全是这种正确但平庸的成果，真正有突破性的工作可能会被淹没，就像书架上堆满了流水线小说，经典著作反而难找了。

更要命的是博士生的成长，以前学做研究，得自己啃文献、试错、改推导，慢慢磨出科研直觉，可现在AI能直接给出正确推导，这些最关键的摸爬环节就被跳过了。

OpenAI研究员早就提醒过，过度依赖AI，学生可能会丢了最基本的科研技能。

这不是杞人忧天，就像学画画总用描红，永远练不出构图能力，总靠AI给推导，怎么可能养出发现新问题的敏感？

GPT-5写进数学论文，与其说是AI要取代人类，不如说是给学界抛了个大问题。

它确实让科研变快了，以前可能耗半年的推导，现在几天就能出框架，以前卡很久的技术细节，现在AI能快速补全，但快不等于好，效率不等于深度。

数学界的老炮们心里门儿清，AI能拼出收敛速度，却想不出第四矩定理本身，能优化1/L的界限，却创造不出Nesterov定理这样的新工具。

像是提出没人想过的问题、开辟没人走的方向、创造没人用过的工具这些事情，最终还得靠人类，AI只是把执行环节提速，却替代不了思考环节的灵魂。

未来几年，AI在学术里的角色只会越来越重，但它终究是实习生，不是导师，是工具，不是主人。

而人类研究者要做的，或许是放下被取代的焦虑，学会当那个盯细节的教授提问题的领航员。

毕竟，AI能写出定理，却写不出定理背后的为什么，能完成推导，却完不成推导之前的感想。

来源：暮时史分