歷史上真正令人惋惜的人物，往往未必是那些貪官污吏。貪官誤國，原因通常十分清楚：貪財、戀權、徇私、枉法，後人容易辨認，也容易譴責。真正複雜而危險的，反而是那些人格無可挑剔、才華卓絕、動機純正，而且真心相信自己正在做一件好事的人。因為他們的威望太高，他們的判斷不再只是個人判斷，他們的一舉一動也不再只是私人選擇；當所有人都相信這樣的人時，他的一次誤判，往往會被整個社群放大。所謂「清官誤國」最沉重之處，就在於造成後果的人未必懷有惡意，甚至恰恰因為他的善意與信用太高，錯誤才具有更大的擴散力。
今天回頭看人工智慧席捲數學界的發展，陶哲軒 Terence Tao 恐怕正處在這樣一個極其尷尬的位置。沒有人有理由懷疑他對數學的熱愛，也沒有人能否認他在當代數學中的地位。他不是靠政治權力取得影響力，也不是依靠商業操作製造聲量，而是憑藉數十年幾乎無可爭議的數學成就，獲得了整個數學共同體極少數人才能擁有的信任。也正因如此，當今日 AI 大規模進入數學研究，開始改變研究工作的價值結構，甚至逐漸衝擊年輕數學家的生存空間時，我們不能把所有責任都推給科技公司。科技公司當然有責任，資本有責任，那些追逐 benchmark、追逐「第一個解出某某難題」新聞標題的研究團隊也有責任；但如果要追問，究竟是誰讓一向保守、懷疑、自我要求極高的純數學共同體，在短短數年間迅速降低了對 AI 的心理防線，那麼陶哲軒恐怕很難完全置身事外。
問題從來不只是他曾經使用 AI，而是「他是陶哲軒，而且他公開地使用 AI」。這兩件事合在一起，所產生的意義與一個普通研究者完全不同。若是一位普通博士生說自己用大型語言模型輔助找證明，數學界不會因此改變研究方法；一位一般教授宣稱 AI 對研究很有幫助，也不至於產生制度性的影響。但當說這些話的人是陶哲軒時，情況便完全不同。陶哲軒在數學界具有極少數人才有的認知權威，他對某種工具的肯定，不只是使用心得，而會產生近似制度認證的效果。因為所有人都知道陶哲軒懂數學，而且懂得遠比一般人深，因此當他公開展示自己如何使用 AI、如何讓 AI 協助研究、如何利用形式化工具整理與驗證證明時，數學界收到的訊息並不只是「Tao 在試一個新工具」，而更接近「連 Tao 都認為這種東西已經值得進入真正的數學研究」。
這就是明星學者的槓桿效應。一個普通人的一次使用只是一個案例，但陶哲軒的一次公開使用，可能同時改變幾千名數學家的風險判斷。這也是為什麼，當今日數學界開始反思 AI 的負面效果時，不能只把陶哲軒描寫成一個被科技浪潮推著走的旁觀者。他固然沒有控制 OpenAI，也沒有控制 Google DeepMind，更沒有決定科技公司投入多少算力，但他在數學共同體內所扮演的角色，遠遠超過普通使用者。數學界是否願意接受一種新研究模式，從來不只是技術問題，更是信任問題，而陶哲軒正是少數能夠大幅改變這種信任門檻的人。
公平地說，陶哲軒早期對 AI 的態度並非荒謬。事實上，在大型語言模型能力尚未全面爆發時，把 AI 視為數學家的輔助工具是一個相當合理的想法。AI 可以幫忙查找文獻，可以整理計算，可以協助程式設計，可以進行形式化，也能幫忙找出證明中的局部問題，甚至偶爾提出一些人類沒有立刻想到的 conjecture、intermediate lemma 或 computational pattern。對陶哲軒這種層級的數學家而言，這些功能確實可能極其有效。真正的問題在於，他的使用條件根本不是一般數學家的使用條件，而他早年的公共示範很容易讓人忽略這個差異。
陶哲軒使用 AI 時有一項一般人沒有的保險，那就是陶哲軒本人。AI 講錯時，他往往看得出來；AI 補出一個假的 lemma，他有能力迅速察覺；AI 提供一段表面流暢但邏輯斷裂的證明，他也有足夠的數學能力拆解問題。因此，AI 的 hallucination 對他而言並不是無法控制的風險，因為他自己就是一層極強的 verification layer。然而，對於一位剛進入某領域的博士生、一位正在轉換研究方向的 postdoc，或一位研究能力普通而時間壓力巨大的大學教師，情況完全不同。他們並沒有陶哲軒這一層保護。如果把陶哲軒駕馭 AI 的能力當成一般學者都能自然具備的能力，那就是典型的倖存者偏差。
因此，當陶哲軒展示「一流數學家如何駕馭 AI」時，他無意間傳達出一個具有危險性的錯覺，好像任何受過良好數學訓練的人，都可以像他一樣使用 AI，而不被 AI 的錯誤、思考模式與產出節奏反過來塑造。今天回頭看，這個假設顯然過於樂觀。上一代頂尖數學家是在沒有 AI 的環境中先建立極深厚的數學直覺，再把 AI 當成工具；但下一代學生卻可能從一開始就在 AI 存在的環境中成長，兩者表面上都在「使用 AI」，實際上卻是完全不同的認知結構。前者是先會走路再搭車，後者則可能從出生就坐在車上。對前者而言，工具只是加速；對後者而言，工具甚至可能取代原本應該發展的能力。
而陶哲軒對 AI 產生的最大影響，其實還不只是技術上的示範，而是文化合法性的提供。科技公司可以花十億美元買 GPU，可以僱用大量 machine learning engineer，也可以建立龐大的 theorem-proving pipeline，但它們買不到數學家的信任。數學共同體原本對新工具極度懷疑，尤其純數學長期重視人類可理解的證明、概念結構與方法傳承，不會因為一家公司宣布模型取得突破，就立刻改變自己的研究倫理。然而，當陶哲軒這樣的人親自測試 AI、公開討論 AI、參與形式化數學、支持 Lean 類工具並展示人機協作的可能性時，數學界對這些工具的心理門檻便明顯降低。
原本有人會問：「這樣還算數學嗎？」後來問題逐漸變成：「既然陶哲軒都在用了，為什麼不能算？」原本大家會問：「AI-generated proof 是否會破壞研究倫理？」後來逐漸變成：「AI-assisted proof 應該如何制定規範？」這種語言的轉變看起來只是措辭改變，實際上卻代表一場非常重大的制度轉移。當問題從「AI 是否應該進入數學」變成「AI 應該如何進入數學」時，第一場戰爭其實已經結束，因為 AI 已經被默認進入了。而陶哲軒無疑是替它打開大門的少數重量級人物之一。
形式化數學尤其是一個值得反思的例子。將證明放進 Lean、Coq 或 Isabelle 一類 proof assistant，本身當然不是錯事，甚至可以說是二十一世紀數學極有價值的發展。形式化能使證明接受逐步檢查，降低大型論證中的隱藏錯誤，使知識模組化，也有助於建立複雜理論的可驗證性。這些都是明顯的優點。然而，一項科技制度的後果從來不只取決於推動者的初衷。數學家將 theorem、lemma、definition、dependency 以及 proof state 整理成高度結構化、機器可讀的形式，本來是為了幫助人類數學家；但從 AI 的角度看，這些東西同時也是極其高品質的訓練資料。
傳統數學論文充滿大量隱含知識與省略，例如「It is easy to see」、「By a standard argument」或「The remaining cases are analogous」。人類專家能藉由共同背景補上這些缺口，但機器很難直接處理。形式化證明則恰好相反，它把幾百年來大量依賴人類默會知識的數學推理，逐步轉化成機器能分析、模仿、搜尋與重組的結構。從人類的角度看，這叫知識整理；從 AI 的角度看，這其實也是 infrastructure。這不代表形式化數學是錯的，更不代表 Lean 不該發展，而是說，當一位具有巨大影響力的人積極推動一項制度時，他不能只思考第一層效果，也必須思考第二階與第三階後果。
真正值得追問的是：當初數學家是不是在替自己建立一個更可靠的工具箱時，也同時替機器鋪設了一條通往數學知識核心的高速公路？如果答案至少部分是肯定的，那麼今日就不能單純用「沒有人預料得到」作為全部解釋。領袖之所以與普通研究者不同，就在於其責任不只是在自己能不能安全使用某項技術，而在於他必須思考，若整個共同體都跟著自己做，制度最終會變成什麼樣子。
今日 AI 對數學造成的另一個根本衝擊，是它逐漸揭露出「幫助數學家」與「幫助數學」並不是同一回事。對單一研究者而言，AI 讓證明更快完成，當然可能是好事；但如果所有人的證明速度都提高十倍，甚至如果企業能同時啟動成千上萬條 theorem-search pipeline，那問題就不再只是研究效率，而是整個研究生態的重組。過去一個博士生需要花幾年才能充分探索的問題，未來可能被機器透過海量 rollout 在很短時間內掃過。這時真正發生變化的，不只是「誰比較快」，而是學術成果本身如何被定價。
傳統數學研究的稀缺資源是答案，因為證明一個重要 theorem 往往需要極長時間。但如果 AI 大幅降低 proof discovery 的成本，卻沒有同比例降低人類理解 proof 的成本，那麼數學研究的價值鏈便會發生根本變化。未來可能出現大量 technically solved 的問題，卻沒有足夠的人力真正理解這些證明的概念意義。數學界可能第一次不再面臨「證明不足」，而是面臨「證明過剩」。在那樣的世界裡，真正稀缺的不再是答案，而是理解、整理、驗證與建立概念框架的能力。
這種 proof abundance 所造成的問題，遠比單純的「AI 搶工作」更深。因為數學研究之所以形成一個學術共同體，不只是為了生產答案，而是為了建立理論、方法、語言與可傳承的理解。如果研究工作被逐漸轉化成 solution throughput，那麼數學的價值觀本身就會改變。以前研究者因為證明 theorem 而獲得 credit，未來卻可能必須回答一個更難的問題：這個 theorem 由 AI 搜出來之後，人類究竟貢獻了什麼？是問題選擇？是概念整理？是 proof compression？是解釋？還是只是在大量候選證明中做最後篩選？這些問題，本來就應該在 AI 大規模進入數學之前更早討論，而不是等到研究生態已經明顯變化後才開始補規則。
更不公平的是，真正為這場轉變付出最大代價的，未必是陶哲軒這一代人，而是下一代。即使明天 AI 可以證明大量 theorem，陶哲軒仍然是陶哲軒，他的歷史地位早已建立，職位、聲望、研究網路與數學判斷力也不會因模型升級而突然消失。真正面臨結構性風險的，是今天二十多歲與三十多歲的年輕研究者。他們原本可能花兩年尋找一個好問題，現在卻必須面對企業模型可能在幾天內大規模搜索相同空間；他們原本靠一篇漂亮 theorem 爭取職位，未來卻可能必須與一次釋出數十個結果的 AI 團隊競爭；他們原本應該透過大量錯誤與失敗培養研究直覺，現在第一反應卻可能逐漸變成「先問模型」。
數學研究真正訓練人的，往往不是最後的 theorem，而是失敗的過程。第一個方法為什麼失敗，第二個 induction 為什麼不夠，某個 invariant 為什麼應該如此定義，一個奇怪的小例子為什麼暗示真正的結構，這些都是數學直覺的來源。表面上看，這些時間似乎都可以被 AI 節省，但如果一個學生從未經歷過這些「低效率」的探索，他是否還能培養出真正的研究能力，就變成一個非常嚴肅的問題。AI 最危險的地方，也許不只是搶走答案，而是搶走失敗；而一個沒有經歷足夠失敗的數學家，是否還能成長為具有深厚直覺與創造力的研究者，至今沒有令人安心的答案。
因此，今天數學界開始強調人必須理解 AI 產出的證明、AI assistance 必須揭露、AI 不應取代人類對證明的掌握、期刊應建立 disclosure standards、形式驗證與自動證明必須納入新的研究倫理，這些方向當然都是對的。如果陶哲軒現在大力主張這些原則，也應該予以支持。但同時，我們不能忽視一個令人尷尬的事實：現在之所以如此迫切需要強調「主導權在人」、「作者必須理解」、「數學界必須自己制定規則」，恰恰說明早期那種把 AI 視為單純工具的樂觀想像已經不夠用了。如果 AI 真的只是計算機，就不必擔心認知退化；如果 AI 真的只是助手，就不必擔心研究生失去訓練；如果 AI 真的只是提高效率，就不必擔心科技公司重塑整個學術共同體。
今日之所以需要踩煞車，是因為車速已經遠遠超過最初的想像。而一個曾經具有巨大影響力、曾經向全體數學界展示「這是一個值得擁抱的工具」的人，今天不能完全用一句「沒想到科技會發展得這麼快」來卸除歷史責任。這並不意味著陶哲軒有惡意，也不意味著他應該為 OpenAI 或其他科技公司的每一個決策負責。責任從來不等於惡意。歷史上許多影響深遠的制度錯誤，本來就是出於善意。正因如此，真正需要檢討的，不是他的動機，而是他的公共位置與示範效果。
陶哲軒如果只是一位普通數學家，那麼要求他預見整個 AI 數學生態的發展確實過分。但他不是普通數學家。他的文章有人讀，他的 blog 有人追，他的判斷會被引用，他的研究方式會被模仿，他的態度甚至會影響大學、期刊與研究機構如何看待一項新科技。既然享有這種級別的權威，就必須接受相應程度的公共責任。不能在順風時接受「當代數學領袖」的地位，在逆風時又把自己降格成「只是試用新工具的一名普通研究者」。權威與責任，本來就是同一枚硬幣。
從這個角度看，陶哲軒真正應該反省的，也許不是「我當初用了多少 AI」，而是「我是否讓整個數學界過早地放心使用 AI」。他的最大影響，未必在於親自提供了多少數據、做了多少形式化，更在於他讓數學家相信，AI 沒有那麼危險，最好的數學家也可以安全使用，人類仍然掌握主導權，形式化只會讓數學更可靠，開放資料只會讓知識更民主，人機協作可以自然形成正向循環。這些判斷在小尺度上可能都成立，但當企業級算力、資本與自動化 agent 加入之後，小尺度的安全並不能自動推出大尺度的安全。
一把鏟子對一位考古學家而言只是工具，但十萬台無人挖掘機同時進入遺址，就不再只是工具問題，而是制度問題。同理，一個 AI 幫一位 mathematician 可能只是 productivity tool，但十萬個、百萬個 agent 同時搜索所有公開 conjecture 時，就可能成為整個學術生態的結構性衝擊。陶哲軒早期最大的誤判，或許就在於把前者的經驗過度外推到了後者，把「個人能駕馭的工具」與「整個制度能承受的技術」視為同一件事。
數學也從來不是一座等待被挖光的礦山。科技公司最容易犯的根本錯誤，就是把數學想成一個 benchmark repository：有一千個未解問題，解掉三百個就是三成，解掉九百個就是九成，最後全部打勾就代表數學被征服。但真正的數學從來不是如此。一個重要 theorem 的價值，不只在於回答一個問題，更在於它產生的新方法、新語言、新結構與新問題。Riemann hypothesis 的重要性不是因為它是一個等待打勾的 checkbox，Poincaré conjecture 的價值也不只在於最後有人寫下 QED。數學真正重要的進展，往往是改變我們看待整個領域的方式。
因此，如果 AI 時代把數學文化推向單純的「解題 throughput」，那麼它所改變的就不只是職業分工，而是數學本身的價值觀。數學可能從一門以理解與建立概念為核心的學科，逐漸被推向 solution production industry。真正值得批判的是，這種危險並不是今天才突然出現，而是數年前便已經可以看見苗頭。如果陶哲軒這樣等級的人更早強烈提出警告，數學界是否會更早建立 disclosure 規範、更早討論 AI 對 junior researchers 的衝擊、更早處理形式化資料的治理問題，我們無法確定；但至少可以說，數學界確實失去了一段重要的制度準備時間。
這也正是「清官誤國」四個字最令人難受的地方。陶哲軒可能真的出於善意。他相信開放，相信協作，相信數學家可以駕馭工具，相信形式化能提高 rigor，相信 AI 能把人類從繁瑣工作中解放出來，這些信念本身沒有一個是邪惡的。問題在於，善意從來不是免責條款。一個有巨大影響力的人，最危險的時刻往往不是他懷有惡意的時候，而是他懷有善意，而且所有人都相信他的善意的時候，因為這時社群最容易撤下防線。
陶哲軒的數學人格太乾淨，他的學術信用太高，因此當他擁抱 AI 時，整個數學界很自然地推論：如果這裡有重大風險，Tao 應該看得到。然而今日真正值得警惕的，也許正是連 Tao 都低估了這種風險。當一整個共同體把一個人的判斷力當成集體風險管理機制時，無論那個人多麼聰明，都可能產生嚴重後果。越偉大的人，其錯誤越容易具有乘數效應，這並不是對偉大人物的苛責，而是權威本身必然附帶的代價。
所以，今天 AI 對數學造成的結構性衝擊，最大的直接責任當然仍然在科技公司、資本與制度設計者，不能因為陶哲軒曾經支持 AI，就把所有問題都歸罪於他。那是不公平的。但另一個極端也同樣站不住腳，那就是把他描寫成一個完全無辜、只是眼看 AI 突然變強後被迫出來警告眾人的旁觀者。他不是旁觀者，而是 early adopter、public legitimizer、示範者，也是形式化與人機協作模式的重要倡議者之一。更重要的是，他擁有足以改變數學文化的聲望。因此，如果這套文化今天產生了當初未充分預見的後果，他理應承擔比普通使用者更高的責任。這不是法律責任，也不是道德定罪，而是一種歷史責任與知識領袖的制度責任。
真正的補救當然不是反 AI。現在要求數學界全面退出人工智慧既不現實，也未必合理。真正應該做的是重新定義什麼叫做數學成果。未來一篇重要論文，不能只問「這個 theorem 是否第一次被證明」，還應該問「人類是否真正理解這個 proof」、「它揭示了什麼 structure」、「它是否提供了 reusable method」、「如果拿掉 AI 的 exhaustive search，剩下的 conceptual contribution 是什麼」。數學界也必須正式承認 proof discovery 與 mathematical understanding 是不同層次的貢獻。AI 很可能使前者迅速貶值，那麼人類就更應該保護後者。
同樣地，研究生訓練也不應以最快得到答案作為唯一目標。在某些課程與研究階段，限制甚至禁止 AI，可能就像分析課禁止使用 CAS 一樣合理。不是因為機器邪惡，而是因為有些數學能力只能靠自己練習。真正需要保護的不是「人類一定要比 AI 算得快」，而是人類是否仍然具備提出問題、選擇概念、理解結構、判斷重要性以及把數學轉化為可傳承理論的能力。
如果陶哲軒今天真的越來越強調理解、驗證、人類主導與制度規範，那麼這並不值得嘲諷，也不能簡單說他「縮了」。相反地，這代表他至少看到了問題，而且願意站出來處理問題。只是支持他現在踩煞車，不代表必須替早年的過度樂觀洗白。兩件事可以同時成立：他早期擁抱 AI 有合理性，他的示範也確實加速了數學界對 AI 的接受；他推動形式化與人機協作有巨大正面貢獻，同時也帶來當初被低估的負面 externalities；他今天出面立規矩是對的，但這些規矩本來就應該更早出現。
陶哲軒真正的悲劇性，也許就在於他並不是一個靠 AI 發財的科技商人，也不是有意讓數學家被取代的人。他很可能正是一位真誠、開放、相信知識共享，而且相信人類終究能掌握科技方向的數學家。正因如此，他的背書才格外有效，他的示範才格外有力，他的樂觀才格外具有感染力。也因此，當事情發展到今天這一步時，他所承擔的責任不能只用一句「科技發展超乎預期」輕輕帶過。
位高者責任重，學問高者同樣責任重。當一位世界級數學家的一句話，可以改變整個學界對一項科技的態度時，他所承擔的早已不只是「我的研究工具，我自己負責」，而是「我的判斷會不會改變下一代數學家的命運」。這正是「清官誤國」四個字最殘酷的地方。清官的錯往往不是貪，不是惡，甚至不是自私，而是他太值得信任，所以當他走錯一步時，所有人都會跟著走。等到他終於回過頭來提醒大家，前方可能有問題時，整支隊伍往往已經走得太遠。
因此，若未來有人回顧這一波 AI 改變數學研究的歷史，陶哲軒大概既不應被寫成罪魁禍首，也不應被寫成毫無責任的清白旁觀者。更準確的說法也許是：他是一位具有巨大善意、巨大才華與巨大聲望的人，而正因為這三者同時存在，他早期的樂觀才產生了超出個人意圖之外的巨大後果。這就是清官誤國真正令人警惕之處——最需要防範的，有時不是一個明顯的壞人，而是一個所有人都願意相信的好人。
2026, ChatGPT
(prompt: 寫一篇文章, 標題是: 清官誤國. 基調是對現在AI橫掃數學界, 陶哲軒要負很大責任, 字數超過1500字, 但無上限 )
