如果数学不仅仅是证明，我们需要更好地赞美它的其他部分

[本文是 Grant Sanderson 的客座文章。这篇博文最初以另一种文件格式写成，后经 AI 转换。—— T.]

当下数学界普遍流传着一种看法：解题和生成证明一直只是数学家真正目标的替身，那个目标是增进人类的理解。当证明可以在没有这种理解的情况下被生成出来，它作为替身的价值就被削弱了。

这立刻引出一个问题：我们该改用哪些别的替身？

我想提议的是，更明确地定义“有动机的解释”这一概念，并且让新颖而有说服力的有动机的解释获得学术认可，程度不亚于历史上给出未解问题的新证明所得到的认可。

更进一步，我认为这是帮助数学圈外的人更好地理解数学家究竟贡献了什么的重要一步。如果圈外人以为生成证明的机器让数学家变得多余，而圈内人认为这是对研究者实际贡献的误解，那么这个群体就有责任通过它所奖励的工作，更好地传达自己真正的价值。如果最受推崇的工作严重偏向生成证明，而澄清与阐释被当作二等品，那么圈外人有这种误解也情有可原。

我得先承认一个明显的个人偏见。我在数学领域的职业道路并不传统，主要做的是关于数学的视频。它同样以“增进人类的理解”为目标，但我的重心一直是对公众有共鸣的解释和直觉，而不是解决悬而未决的问题。一个刻薄的人很容易把这份提议读成厚颜无耻地自我抬举。

不过从实际角度看，我自己的职业和资金来源都在学术界之外，这个群体把认可给谁，与我并无利害关系。另外，我提议提升有动机的解释的地位，指的并不是科普。我指的是任何主要以回答“你会怎么想到这一点？”为目标的工作，哪怕要欣赏其题材本身需要很深的专业功底。

下面我举的例子说明这并非新鲜事。职业数学家早已在这类工作上投入了相当可观的心力。本文的主张主要是：1）更清晰地界定这类工作，2）提升它的地位。

什么才算是有动机的解释？

“有动机的解释”这个说法想表达什么，或许已经足够清楚，但仍有必要把它与证明做个简短对照。

在证明中，定义出现在开头。从一个新的构造出发，再分析它的性质，这是常见且被期待的做法。

在有动机的解释中，定义出现在中间。只有当所针对的问题已经被清楚地建立起来，新的构造才被允许进入词汇表。

在证明中，所有陈述都必须正确，每个论断都是前文必然推出的结果。

在有动机的解释中，从一个还不完全正确、需要修正、但来龙去脉能让人产生共鸣的想法出发，是可以的，而且往往正是我们想要的。

我偏爱的一类有动机的解释是“发现式虚构”（discovery fiction），这个词由 Michael Nielsen 提出。你围绕一个想法展开叙事：先给出一个简单但错误的问题解法，看它在哪里失效，修好那个问题，又发现新的问题，如此继续。

证明的范围是解释某个特定定理为何为真。

有动机的解释，其范围不只是讲清一个定理为何为真，还要讲清为什么这个定理本身值得被提出，以及它在周围语境中如何被使用。

有动机的解释有一个明显的短板：它的有效性不像证明那样是二值的。这正是证明之所以是衡量进展的绝佳方式的一大原因：哪些东西有证明、哪些还没有，你可以清楚地界定。有动机的解释永远不会有一个 Lean。

如果我们真的把推进人类理解当作目标，那就无法回避一个事实：这个目标本质上比寻找证明更模糊，因为“人类理解”本身的定义就更模糊。回避那些更主观的衡量标准，就是在回避这个学科中更属于人的那一面。

我之所以倾向于用“有动机的”这个词，而不是“清晰”或“祛魅”之类的其他选择，是因为这个性质更容易验证。它不像证明那样严格可验证——几乎没有东西能做到那一步——但作为一条实用标准已经够用。在我自己的工作中，我经常重复一句话：“我希望这东西让你觉得，你本来自己就能发现它。”我这么说不是为了安抚观众，而是因为这是一条可操作的准则，让我自己判断一个解释是否算完整。每引入一个新概念，你都可以问：这个概念的来路是否清楚。答案不是非黑即白，但对实际用途来说已经足够接近。

有动机的解释的范例

我能想到的最好的有动机解释的合集之一，是《Princeton Companion to Mathematics》的第四部分。它涵盖二十多个活跃的研究领域，每个领域都由一位擅长清晰表达的专家撰写导论。

无论是 Andrew Granville 讲解析数论，还是 David Ben-Zvi 介绍模空间，这些文章提供的直觉和动机，通常只在黑板前的一对一交谈中才能见到。

这本书的背景值得在此一提。它的主编是 Timothy Gowers，他在 Numberphile Podcast 的访谈中与 Brady Haran 谈到了这本书。被问到菲尔兹奖对他的人生产生了什么影响时，他是这么说的：

得过菲尔兹奖的人会觉得更自由，可以去做一些稍微不同的事……比如我接手主编了一本叫 Princeton Companion to Mathematics 的书，那绝对是个浩大的工程。我估计它占了我大约五年里一半的工作时间……那是我相信的一个项目，如果我不是菲尔兹奖得主，大概根本不会有人给我这个机会。

他相信这本书是对的；它为数学领域带来了巨大的价值，但在我看来，一个人得先拿个菲尔兹奖才觉得有理由花时间做这件事，实在有点可惜。

另一位在证明方面极具天赋、但贡献远不止于证明的人，是 Bill Thurston。他那篇名不虚传的文章 On Proof and Progress in Mathematics 虽然写于 LLM 出现三十年前，开篇却提出，“数学家究竟成就了什么”这个问题，正确的提法应当是去问“数学家如何推进人类对数学的理解？”

其中有一段与今天惊人地呼应：

计算机的飞速进步有助于凸显这一点，因为计算机和人非常不同。例如，当 Appel 和 Haken 借助大规模自动计算完成四色地图定理的证明时，引发了不小的争议。在我看来，这场争议与人们怀疑定理的真实性或证明的正确性关系不大。它反映的是一种持续的渴望：除了知道定理为真之外，人们还希望人能理解这个证明。

在更日常的层面上，刚开始接触计算机的人常常会大规模地计算一些他们本来可以手工小规模完成的东西。他们可能打印出前 10,000 个素数的表格，结果发现打印出来的东西根本不是自己真正想要的。通过这类经历他们会发现，自己真正想要的通常不是一堆“答案”——他们想要的是理解。

这篇文章本身就优美地阐明了，做数学这件事除了生成证明之外还意味着什么。我想请你注意他在结尾写的话。

我在许多不产出学分的事情上投入了大量精力，我看重它们，就像我看重证明定理一样：数学政治、把我的笔记修订成一本对表达有高标准的书、探索数学中的计算、数学教育、通过 Geometry Center 开发数学传播的新形式（比如我们的第一个实验，视频“Not Knot”）、执掌 MSRI，等等。

再者，这些“不产出 credit 的活动”为什么就该排在 Fields Medal 之后，而不是为它做贡献？

说点个人的。他提到的 Geometry Center 出品的作品中，有一个对我年少时影响尤其大。那是一部短片，叫 Outside In，也许是最早一个关于严肃数学的病毒式传播视频，它把 Thurston 自己构造球面外翻的核心想法可视化了。

一个原创证明——比如 Smale 的——表明外翻必然存在，这是从 0 到 1 推进人类的理解。而这样一部让数百万人接触其背后想法的视频，是从 1 到 N 的推进。我很感激 Thurston 在这项“不产出 credit 的活动”上花了那么多时间。

另一篇相关的文章是 Timothy Chow 的 A beginner's guide to forcing。这篇文章本身就是一个有动机的讲解的绝佳范例，它的引言还提供了一套围绕这件事的有用词汇。

所有数学家都熟悉开放研究问题这个概念。我提出一个不那么熟悉的概念：开放讲解问题。解决一个开放讲解问题，意味着把某个数学主题讲得完全透彻。每一步都应当有动机、清晰；理想情况下，学生应该觉得这些结果他们自己也能推出来。

如果这些开放讲解问题能像开放研究问题那样被对待，会是什么样子？作为一种极端情形，我们可以设想：为开放讲解问题设立一个类似 Millennium Prize Problems 的东西。某个机构或一群研究者会正式定义他们认为重要、且尽管在技术上已有证明却仍未被很好理解的数学结果。眼下，每一个 AI 生成的证明一出生就是一个未解决的讲解问题。照此看来，未来几年很可能会出现一大批这样的东西，而明确哪些值得重点关注，对领军者来说会很有价值。

要判断一个重要却尚未解决的 exposition 问题是否算得上被解决，必须先商定一套标准。这同样比验证一个证明更主观，但任何认真对待数学中更偏人文那一面的人，都必然要涉入这种主观性。同样地，我要强调：检查关键想法是否有动机，与检查证明的每一步是否合乎逻辑，并无本质区别。

如果数学圈之外的人看到数学界的领军人物以对待未解研究问题的同等严肃态度来对待未解的 exposition 问题，这将大大有助于纠正人们对数学家角色的误解。

我要举的最后一个例子，或许更能预示未来的走向。

今年四月，Liam Price 提交了 Erdős Problem 1196 的一个解答，这个问题有时被称为渐近本原集猜想。这个解答来自 Price 与 GPT-5.4 Pro 的交互。与许多此前借助 AI 解决的 Erdős 问题不同，这个问题在该领域内被公认为既重要又难以攻克。这类故事如今越来越常见，但在故事的这个节点上，尽管证明在技术上已经存在，人类的理解却还没有推进多少。

这个证明传到了 Nat Sothanaphan 和 Jared Lichtman 手中，他们能够解读 AI 的思路，并把证明整理成人类可读的形式。五月，Boris Alexeev、Kevin Barreto、Yanyang Li、Jared Duker Lichtman、Liam Price、Jibran Iqbal Shah、Quanyu Tang 和 Terence Tao 发表了一篇论文，对证明背后的关键想法做了展开。作者们解释了那个关键想法如何不仅澄清了原问题，也澄清了它周围的许多问题，例如给出了 Erdős 本原集猜想的一个更简洁的证明。

这里的价值不在于又多了一个可以打勾的已解决 Erdős 问题。价值在于，我们对本原集的理解如今明显比 2026 年初更清晰、更令人满意。原问题的解答在其中起了一定作用，但可以说，更值得称道的是这篇论文——它展开、澄清并语境化了那个关键想法。

切实可行的行动建议

从务实的角度看，提升“有动机的解释”的地位，具体可以怎么做？以下是几点建议。

• 博士导师仍然可以给新生布置本领域的一个小问题，让他们练手，但交付物不是写出解答，而是把这个解答以报告的形式讲给同学和老师听。这个问题可以是已有答案但讲不清楚的，也可以是没有答案、学生借助 AI 帮忙找出来的。无论哪种情况，学生都清楚：到了某一天，自己必须理解得足够透彻，能够讲出来，而预期的成果是让别人也能理解。简而言之，小问题也可以当成小型博士答辩来对待。
• 某位领军人物（咳咳，Terry，咳咳）可以列出一份现代版的 Hilbert 问题清单，但专门聚焦于尚未解决的阐述问题。哪些领域既重要，又恰恰缺乏我们所期望的那种更深理解？
• 写作规范可以明确什么算得上有动机的解释，力求让它几乎像证明一样可验证，这样，未解决的阐述问题一旦被解决，就能像开放问题被证明一样得到认可和庆祝。
• 可以创办期刊，更明确地致力于让成果在数学界得到更广泛的传播。Mathematical Discourse 在这方面提供了一个有意思的新范例。
• 招聘和终身教职评审可以更看重写出优秀教科书及类似工作。想想 AMS Steele Prize for Exposition，但粒度更细，并侧重职业生涯早期的这类贡献。

可见的文化转变有何价值

最后，我想谈一个更宏观的理由：数学界可见的文化转变，就在当下 就带有一种内在收益，关乎数学作为职业在外界眼中的形象。

许多原本对这个领域充满热情的年轻学生，如今不敢投身其中，因为在一个能自动生成证明的机器时代，未来会怎样充满不确定性。但换个角度看，这恰恰是进入这个领域最激动人心的时刻之一，因为没有什么比在一个尚未定型的领域起步更令人兴奋了——你有机会亲手塑造它未来的样子。哪怕完全抛开 AI 可能给我们的理解带来的任何好处，年轻的有志数学人也应当感到振奋：他们正踏入历史上一个独特的节点，有机会真正参与决定整个领域未来的面貌。

不过，这样的变化只有在让人觉得是主动选择时才会令人兴奋；一旦看起来是被自己无法掌控的力量推着走，就会让人恐惧。正因如此，该领域的领军人物现在采取切实行动，帮助界定并厘清这个领域究竟是什么，才能让年轻入行者确信方向盘握在谁手里，也确信这份职业的地位并不取决于哪些实体生产出证明。

同样，我也认为现在是资助数学的最佳时机之一。如果数学的下一章是在“人类理解”这四个字的鼓点中开启的，那么即将发生的一切变化，似乎都更可能放大数学作为公共品的价值。