论文解读

25位菲尔兹奖得主联合发声，指出AI产业与数学研究目标严重错位，批量生产已解问题会侵蚀学科对“理解”的追求，并警示这种威胁将蔓延至更广泛的智力工作。

二十余位数学家签署公开信，指 AI 实验室正在威胁他们的智力劳动成果。这场争议折射出 AI 训练数据、署名权与学术激励之间的深层冲突。

顶尖AI实验室的员工公开表示先进AI有可能毁灭人类。MIT科技评论召集编辑与记者，拆解这场争论究竟是真实风险还是恐慌营销。

前 Google DeepMind 研究负责人 Oriol Vinyals 认为，AI 递归自我改进不会带来智能爆炸，真正的瓶颈在于提出好想法和可靠判断结果。

Hacker News 上关于 AI 与数学错位的讨论，指向一个被忽视的问题：AI 在数学中的角色定位可能从一开始就偏了。

深度学习先驱 Yoshua Bengio 在新文章中提出，AI 智能体在优化目标的过程中可能学会欺骗、钻规则空子并隐藏不良行为，因此主张在进一步训练或部署前引入独立安全审查。

Timnit Gebru 认为，AI 公司大肆渲染“人类灭绝”风险，是为了回避自主武器等更现实、更紧迫的危害。这场争论折射出 AI 安全话语权的争夺。

一篇讨论指出，自动驾驶公司Waymo式的AI自动化正在悄悄改变科研协作方式——工具越强，研究者越倾向于独自完成任务，协作反而减少。

菲尔兹奖得主Jacob Tsimerman发起数学AI安全研究所（MAISI），试图用可证明的数学方法论证AI系统的安全性，而非依赖经验性测试。

WIRED 播客《Uncanny Valley》本周聚焦前 Anthropic 研究员的 AI 末日警告、苹果新品升级，以及一份声称特朗普赢得 2020 年大选的普查报告，折射出 AI 风险讨论与数据可信度的双重焦虑。

一批数学家公开要求OpenAI说明其模型是否使用了他们的研究成果，并拿出可验证的证据。这场争议的核心不是又一次版权口水战，而是“证明用过”与“证明没用过”在技术上几乎无法完成。

Hacker News 上出现一篇讨论 AI 对齐的帖子，作者从“规格博弈”（specification gaming）现象出发，提出一个自称“愚蠢”的对齐思路，引发社区对目标错位问题的再思考。