菲尔兹奖得主Jacob Tsimerman：从数学巅峰转身投入AI安全

一场颁奖礼，一次职业转向 当地时间7月23日，在费城举行的国际数学家大会（ICM）开幕式上，Jacob Tsimerman登台领取菲尔兹奖——数学界最高荣誉。他刚与王虹、邓煜等新科得主并肩站在领奖台上，转头就在记者会上宣布：即将加入OpenAI，专注AI安全研究。 这不是临时起意的表态，而是一条早已铺就的逻辑主线：他相信AI将根本性重塑数学本身，也相信人类必须主动参与这场变革——不是旁观，更不是抵制，而是深入核心，厘清风险，塑造方向。 履历耀眼，但选择出人意料 Tsimerman 1988年生于俄罗斯喀山，幼年随家人移居以色列，后定居加拿大。16岁入读多伦多大学数学系，两年完成本科；2011年于普林斯顿大学获博士学位，师从Peter Sarnak；经哈佛Society of Fellows博士后阶段后，回到多大任教，成为该校数学系史上最年轻的正教授。 此次获奖，源于他对André-Oort猜想的完整证明。这一算术几何领域的核心难题悬置近40年，他的工作不仅终结了长期争议，更标志着首位在加拿大高校任职期间摘得菲尔兹奖的数学家诞生。 更值得留意的是时代背景：本届菲尔兹奖覆盖三项百年级难题——Kakeya猜想（1917）、希尔伯特第六问题动理学部分（1900）、André-Oort猜想（约1980年代提出）。三者在同一四年周期内被攻克，堪称数学史上的“大年”。Tsimerman正是在这样空前激烈的竞争中脱颖而出。 他只发过一条X帖，却道尽全部立场 Tsimerman的X账号注册于2014年，至今仅有一条公开帖子。这条回应Daniel Litt的短文，成了理解他思想的关键入口。 他直言：数学研究的核心几乎就是“解决问题”。而一旦Zilber-Pink猜想被彻底解决，他所深耕的整个研究领域将瞬间失去存在基础——大量学者围绕特例拆解、策略试错、类比迁移的工作，将戛然而止。 过去，这类突破依赖人类天才的灵光一现，百年难遇；今天，它可能由一个模型在一夜之间完成。他在今年美国数学会《Notices》访谈中给出判断：“两年内，AI在定理证明上的能力就可能超过人类。届时我们只需说：这是命题，请证之。” 他还构想了一台“数学神谕机”：输入任意命题，真假立判。研究者将不再花数月验证引理，而是快速提出定义、批量提问、即时修正——整套理论构建流程，可能压缩至几天。 他冷静总结：“这与现代数学，是非常、非常不同的两种东西。” 他已在用AI，且效率翻倍 现实中，他并非空谈。2025年，他向arXiv提交了5篇数学论文，创个人纪录。日常科研中，他常态化使用ChatGPT与Claude辅助：梳理问题边界、检索文献、尝试引理证明。 “它给的证明通常是错的，但总能把正确方法的方向拉出来，帮我走完80%，剩下我自己收尾。” 这种深度实践，让他对同行中普遍存在的“AI短期内不会超越人类”的乐观判断格外警惕。他认为那只是自我安慰（cope），而非基于技术演进节奏的理性评估。 他写论文分类AI灭绝路径，却选择加入OpenAI 2025年，Tsimerman向arXiv提交第6篇文章，标题为《涉及AI的灭绝性未来的分类》，合作者是AI安全研究者Andrew Critch。这篇非数学论文以学术严谨性，系统梳理AI引发人类灭绝的多种可能路径——不是危言耸听，而是将其作为可分析、可干预的风险类型进行建模。 正因如此，他加入OpenAI安全部门的选择，并不矛盾，反而高度自洽：他不认为全球AI发展能被暂停，也不相信外部批判足以带来实质改变。与其置身事外，不如进入最前沿实验室，直面技术张力，参与规则与机制的设计。“否则，我们可能会被甩下。” 他在那条唯一X帖末尾写道：“我做数学，主要是因为我享受它，而且我擅长它。数学家也是人，需要钱、住房、食物、爱、锻炼，以及各种形式的意义。如果解题的乐趣消失了，很多人可能就不想再做数学了，即便还有别的路可走。” 师徒同频：预言与兑现 三天前，数学家Levent Alpöge在X上发布一条简短推文：“雅可比猜想，是假的。”附带一个仅216字符的反例。该猜想提出于1939年，位列Smale世纪难题清单，悬置整整87年。 帮他发现反例的，是Anthropic新发布的Claude Fable 5。Alpöge当时正在Anthropic担任数学研究员，而他本科毕业论文的指导教师，正是尚在哈佛Society of Fellows任Junior Fellow的Jacob Tsimerman。 老师早年预言AI将接管“解题”；学生用AI一夜推翻百年猜想，提前兑现预言。三天后，老师领奖，转身加入OpenAI；学生留在Anthropic——师徒二人，一人一家，分立AI安全版图两端。 数学家的未来，不在抗拒，而在定位 Tsimerman将数学工作分为两类：问题求解（problem-solving）与理论构建（theory-building）。当前AI实验室最渴求的，正是前者——给定命题、判定真伪、生成证明或反例。这类能力，直接对应推理模型的训练目标与评测基准。 这也解释了为何AI公司密集招募IMO金牌得主、菲尔兹奖候选人、快速解题型青年学者。他们不是来“当顾问”的，而是作为核心研究力量，参与定义下一代AI的数学根基与安全边界。 Tsimerman的选择，不是逃离数学，而是将数学思维带入更广义的“人类存续”命题中。他不再只问“这个猜想是否成立”，而开始追问：“这个系统是否可控？它的目标是否对齐？它的演化是否可追溯？” 当数学的终极问题从“真”延伸至“善”，顶尖数学家的战场，自然也随之迁移。