当人工智能从“辅助计算”迈向“提出思路、搜索证明并完成形式化验证”，数学研究的生产方式将发生深刻变化。尤其当AI开始挑战尚无标准答案的开放性难题时，学术共同体面对的不只是技术升级，还必须重新回答两个核心问题：一项成果应当如何审查，以及功劳与责任应当归属于谁？🤖📐
从“结果是否正确”转向“发现过程是否可信”
传统数学同行评审主要检查定义是否明确、推导是否严密、结论是否成立。AI参与后，仅仅验证最终证明可能不再充分。评审者还需要了解模型使用了哪些数据、工具和外部知识，问题如何被形式化，候选证明如何筛选，以及人类研究者在哪些环节进行了干预。
形式化证明系统能够自动检查推理步骤，这会显著提高基础正确性审查的效率。例如，AlphaProof在形式化数学环境中生成可验证证明，并与AlphaGeometry 2共同解决了2024年国际数学奥林匹克竞赛六道题中的四道，达到银牌水平；但当时部分题目仍需人工转换为形式化语言，而且不同问题的求解耗时差异很大。相关过程可参阅Google DeepMind说明。这表明“机器验证通过”很重要，却不能自动等同于“研究过程完整可靠”。
评审对象将从论文扩展为一套证据包
未来提交一项AI参与的开放性难题成果时，论文正文可能只是入口。更可信的提交材料还应包括模型名称与版本、提示与参数设置、形式化定义、证明代码、依赖库版本、运行日志、失败尝试摘要，以及能够复现关键结论的执行环境。🔍
期刊和会议可以采用分层评审机制：
- 数学正确性审查：由领域专家判断定理意义、假设合理性和证明逻辑。
- 形式化验证审查：检查证明代码能否在指定环境中独立运行。
- 计算过程审查：确认训练数据、搜索策略和人工干预没有造成信息泄漏或循环论证。
- 原创性审查：比对已有论文、数据库和模型训练材料，判断核心构造是否真正具有新颖性。
- 责任审查：明确每位研究者对问题选择、验证、解释和发布承担什么责任。
这种机制不会让评审更轻松，反而会形成“领域专家、形式化方法专家与计算审计人员”协作的新模式。对小型期刊而言，建立共享验证平台和跨刊审稿人库，可能比单独维持完整技术团队更现实。
AI不宜成为作者，但其贡献不能被隐藏
现行主流出版规范强调，作者身份不仅代表贡献，也意味着能够批准最终版本、回应质疑并对研究完整性负责。AI系统无法承担法律、伦理和学术责任，因此不适合列入作者名单。ICMJE建议明确指出，AI辅助工具不应被列为作者，使用者应披露其用途，并由人类对准确性、完整性和原创性负责。
不过，“不能署名”不代表“无需记录”。如果AI只是修改语句或整理格式，可以按照期刊政策进行简化披露；如果AI提出关键引理、生成证明路线、完成大规模搜索或发现反例，则应在方法、致谢或专门的AI贡献声明中详细说明。Springer Nature的AI编辑政策同样把人类责任、透明披露、学术判断和保密保护列为核心原则。
署名规则需要从“排位竞争”走向贡献标注
开放性难题通常涉及选题、猜想形成、数据构建、模型训练、形式化编码、计算资源、人工证明和结果解释等多类劳动。如果仍只依靠作者顺序表达贡献，容易低估工程人员、形式化专家和复核人员的作用。
更合理的做法，是在作者名单之外增加结构化贡献说明。例如：
- 谁提出研究问题并判断其数学价值；
- 谁设计模型、提示策略或证明搜索流程；
- 谁完成自然语言与形式语言之间的转换；
- 谁独立核验机器生成的证明；
- 谁解释结果、识别适用边界并撰写论文；
- 谁提供计算平台、数据治理和项目监督。
署名资格仍应保留给满足实质贡献、最终批准和责任承担条件的人类参与者；只提供通用工具或常规算力支持者，可以通过致谢或资源贡献说明体现。这样既能防止把AI包装成人类原创，也能减少团队成员因贡献不可见而产生的争议。🧭
同行评审还要防范保密与利益冲突风险
尚未公开的猜想、证明草稿和审稿意见都可能具有高度研究价值。审稿人若把完整稿件上传到公共AI服务，可能造成保密信息外泄，也可能违反期刊政策。ICMJE出版建议要求在无法确保保密性时，不应在未经作者明确许可的情况下将投稿材料上传至AI系统。
因此，期刊应区分本地部署、经过安全审查的机构模型与开放式公共服务，并要求审稿人披露AI是否参与了文献核查、证明检查或评语整理。AI可以协助发现符号错误、缺失引用和潜在反例，但最终评价必须来自能够解释判断依据并承担责任的人类审稿人。
科研机构现在可以采取哪些行动
高校、研究团队和出版机构无需等待统一规则出台后再行动。可以先建立三项基础制度：第一，为重大项目保存模型版本、输入输出和验证日志；第二，在投稿前完成一次独立的人类证明复核；第三，在团队立项阶段约定署名条件、AI披露方式与争议处理流程。
可执行的底线是：AI参与程度越接近核心发现，披露就应越详细；研究影响越重大，独立复现和责任分配就应越严格。
总结：AI改变效率，人类保留责任
AI数学模型若真正攻克开放性难题，将推动同行评审从阅读论文转向审查“论文、证明代码、运行记录与贡献声明”的完整证据链，也会促使科研署名从模糊排序转向精细化贡献标注。
规则调整的关键并不是给机器授予作者身份，而是让人类研究者更透明地说明机器做了什么、自己判断了什么，并对最终成果承担不可转移的责任。只有同时守住可验证、可复现、可追责三条底线，AI带来的数学突破才能转化为经得起时间检验的公共知识。🌐
