大型语言模型（LLM）在数学计算上表现出色，但能否推动数学前沿？两位顶尖数学家的观点为这一热议提供了冷静的注脚。
发生了什么
著名数学家蒂莫西·高尔斯（Timothy Gowers）和彼得·萨纳克（Peter Sarnak）近期公开表示，大型语言模型是强大的计算器，但在创造性思维方面表现平平。他们认为，LLM善于将已有的数学方法进行组合，以解决常规问题，但缺乏产生真正新数学思想的直觉。这一评价来自他们在学术或公开场合的讨论，具体语境虽未完全披露，但观点明确：AI在数学领域的潜力可能被高估。
为什么重要
这一评价之所以引发关注，是因为它触及了AI能力的核心边界。此前，许多研究展示LLM在数学竞赛题、定理证明辅助甚至猜想生成上的亮眼表现，让部分人期待AI能成为数学家的“灵感伙伴”。然而，高尔斯和萨纳克作为菲尔兹奖得主和顶尖数论学家，其观点具有相当分量。他们区分了“计算”与“创造”：前者是已知规则的执行，后者是打破规则或发现新规则。这提醒我们，当前的LLM本质上是模式匹配与组合的系统，其“创新”往往是对训练数据中隐含模式的再组合，而非真正意义上的概念飞跃。数学史上有许多突破来自对既有框架的根本性质疑，这是LLM难以复现的。
影响与看点
这一观点对AI领域和数学研究都有实际影响。对开发者而言，它意味着在数学辅助工具的设计上，应更注重LLM的“计算增强”角色，而非期望其独立提出新猜想。对数学家来说，LLM仍可作为强大的计算工具，用于验证猜想、探索例子，但不应过度依赖其“直觉”。值得关注的是，未来是否会出现专门为数学创造设计的AI架构，例如结合符号推理与强化学习，而非单纯扩大语言模型规模。一个独立的判断是：LLM的创造力瓶颈可能不在于参数数量，而在于其缺乏对数学对象深层结构的抽象能力，这需要根本性的范式转变。因此，短期内，数学前沿的突破仍将依赖人类直觉，LLM更像是“超级计算器”而非“合作者”。这一观点也为AI在科学发现中的角色提供了更清醒的定位。
