数学家陶哲轩近日在个人博客里贴出了一段对 AI 与科研关系的最新观察。他用了一个很具体的词——认知摩擦。在他看来，过去阻挡科学家放胆尝试的不是想象力，而是”想验证一个念头需要先做两个月的繁琐验算”这种结构性消耗。
陶哲轩为什么把”摩擦”放在最前面
陶哲轩举了三个自己经历过的样本：第一个是用 Lean 把一篇论文的形式化证明从 6 个月压缩到 4 周；第二个是让大模型读完一篇 50 页的草稿，标出 3 处隐含假设；第三个是在 Polymath 协作里，用 AI 跑符号变换替代了过去要拉一组研究生才能做完的工作。这三件事的共同点不是”AI 解了难题”，而是”AI 把那些做得到却不愿意做的事变得便宜了”。摩擦减少之后，他坦言自己开始尝试更多以前会被自我否决的疯狂念头。
“敢做疯狂想法”不是修辞，是科研机制变化
这一点对科研一线从业者意义很大。过去十年数学和理论计算机的研究节奏受限于一个事实：哪怕只有 5% 的把握，一个值得验证的猜想也要花上几个月人力才能初步排除。绝大多数研究者会理性地把这种猜想留在抽屉里。陶哲轩描述的变化是，验证成本从”几个月”压到”几小时”之后，研究者愿意把抽屉打开，让那些低概率却高回报的猜想真正进入工作流。这不是修辞，而是一种科研机制层面的位移。
摩擦减少之后，比拼的是问题感
当验证成本下来之后，研究者的稀缺资源从”算力”和”耐力”切换到”问题感”——你能否提出一个真正值得跑的疯狂猜想。这件事 AI 暂时帮不上忙，它能验算却不擅长无中生有。陶哲轩谈论的并非 AI 取代科学家，而是科学家应当把节省下来的时间投回到提问本身。下一阶段顶级的研究者，可能不再以”会算”为标志，而以”会问”为标志。
