16位顶尖数学家起草宣言：反对AI算法霸权，守护数学灵魂
就在几天前，OpenAI 用 AI 模型解决了一个困扰数学界长达 80 年的点与点之间距离问题，一时间媒体集体狂欢。然而，掌声未落，16 位数学家就在荷兰莱顿大学站了出来，联手发布了一份名为《莱顿宣言》的文件，明确表达了对这股浪潮的警惕与不安。
需要说明的是，宣言的起草工作组由 16 位数学家牵头组成，截至北京时间 6 月 3 日，已有超过 650 名数学家及学者签名支持。这个阵容，不是随便几个路人能凑出来的。
签署者中不乏领域内的顶尖人物。
菲尔兹奖得主、德国马克斯·普朗克数学研究所所长彼得·舒尔茨（Peter Scholze）直言，自己在思考数学问题时从不使用 AI，也尽量不去阅读 AI 生成的内容。在他看来，数学思想就像孩子，需要多年的培育才能成长，这一点，没有捷径可走。
英国帝国理工学院的凯文·巴扎德（Kevin Buzzard）教授则提醒同行们，要留意科技公司突然对数学“感兴趣”这件事。《莱顿宣言》正是对当前形势经过深思熟虑之后给出的回应。
牛津大学计算机科学系主任莱斯利·安·戈德堡（Leslie Ann Goldberg）的警告更加直接：AI 生成的错误论文就像建在烂地基上的房子，后续的研究盖在上面迟早会塌。一旦错误的结果被当作新起点，这些错误就会像病毒一样传播开来。
此外，哥伦比亚大学的迈克尔·哈里斯（Michael Harris）、莱顿大学的罗德里戈·奥奇加梅（Rodrigo Ochigame）、牛津大学的乌尔苏拉·马丁（Ursula Martin）等多位数学家都参与了宣言的起草或签署。
这些数学家之所以选择站出来，核心担忧其实很一致：如果 AI 解题成了唯一的标杆，人类长久以来珍视的理解力、洞察力和判断力，可能会被一步步排挤出场。
《莱顿宣言》明确要求：使用 AI 的数学家必须主动说清楚；论文的作者要对内容负责，不能把责任推给 AI；不能因为用了 AI 就随便抄袭前人的成果。宣言还特别提醒，有些 AI 公司之所以高调宣传解题能力，不过是为了制造噱头拉高股价。
另一个敏感问题是版权。宣言指出，不少科技公司在未征得数学家同意的情况下，就把他们的论文拿来训练 AI 模型。数学家们辛苦几十年写出来的成果，被拿去喂给了 AI。AI 学会后，转过头来跟人类比拼解题速度，甚至被包装成产品卖钱。而做出这些成果的数学家们，既没有得到任何补偿，连署名都拿不到。
一位参与起草的数学家坦言，自己从来没有同意过研究成果被这样使用，对此感到非常不安。
更值得警惕的是，AI 公司在选择研究题目时，往往会优先挑那些机器容易解决的问题。那些难度太高或不适配 AI 特点的题目，就这么被晾在了一边。长此以往，整个数学研究的方向可能会被资本悄悄带偏，而不再是由数学家自己说了算。
基于这些担忧，宣言对不同群体提出了具体建议：
对政府及其他部门决策者：保护作者权利、不要相信炒作、规范 AI 行业、投资公共计算基础设施。
对数学家们：披露工具使用情况、支持审查需求、坚持开放科学原则、保留对正确性的责任、肯定作者的人性、务必认真做好归属工作、参与公共讨论、随时了解新兴技术、欢迎新贡献者、仔细考虑要使用哪些工具、评估行为的伦理后果并采取相应行动。
对于数学组织和非营利研究资助者：培养专业技能并制定战略计划、主导制定出版和审稿政策、保持严谨的标准、保护作者的权利、坚持选择合适的出版渠道、支持公共研究实验室、提供协作框架、确保资金投入与价值观相符。说起来很有意思。数学一向被看作科研领域的清高之地，数学家不需要太多经费，一支笔就能做研究。但恰恰是这群对科研经费要求不高的人，反而成了 AI 反复“针对”的对象。人们经常看到科技公司宣传 AI 解出了多难的数学题，却很少看到它们用 AI 解决生化环材领域的难题来展示能力——为什么？因为数学题好包装、好传播、好拉股价。
这份宣言发布后，迅速得到了国际数学联盟的正式支持。该联盟副主席公开表示，数学永远都应该是一件充满人情味的事。许多知名数学家也公开赞同，还有人担心当前 AI 生成的假论文正在像病毒一样蔓延，审稿人经常来不及分辨真假。错误的结果一旦发表，后面的人就会在错的地基上继续盖楼。
其实，这群数学家并不是反对 AI 这种工具本身，他们反对的是对工具的滥用。打个比方：计算器算得又快又准，但小时候上数学课，老师还是让我们在草纸上列竖式一步步推导。这种练习确实不能快速得到答案，却是提升逻辑能力和推理能力的必经之路。同理，AI 不应该成为定义数学的唯一标准。《莱顿宣言》的宗旨，正是守护数学推导过程的清晰和思考的自由。
参考资料：
1. https://leidendeclaration.ai/
2. https://www.nytimes.com/2026/06/02/science/ai-mathematics-leiden-declaration.html
3. https://www.newyorker.com/news/fault-lines/can-ai-produce-writing-that-we-actually-want-to-read