在聊 AI 如何改变他的工作方式之前,先把他纯靠人脑干出来的成绩单摊开看看。这份成绩单上的项目不算多,但每一项都够一个数学家吃一辈子。
先看硬指标。2012年,博士毕业第二年,24 岁的他一口气在数学四大顶刊上发了三篇——两篇《Annals of Mathematics》,一篇《Journal of the American Mathematical Society》,全是独立作者。做数学的人知道这意味着什么:四大顶刊的拒稿率动辄 90% 以上,很多人终其一生都未必能发一篇。他一年发了三篇。
雅各布·齐默尔曼
此后十年间,他的四大顶刊发文量累计达到 12 篇:5 篇《Annals of Mathematics》、4 篇《Inventiones mathematicae》、3 篇《JAMS》。这个数字是什么概念?把它放在任何一个参照系里都足够触目惊心。即使与北大数学“黄金一代”相比,目前也只有许晨阳达到了同样的发文数量。
齐默尔曼的答案毫不含糊:“ AI 让我的科研效率提升了一倍。”但他马上会补一句:翻倍的是铺垫性工作,不是核心创造性思考。
他把自己用 AI 的流程拆得很清楚。第一阶段摸方向:把待解决问题的全貌梳理出来,分清哪些难哪些易、哪些已有研究哪些还是空白。直接问大模型“请梳理目前已有的研究成果和核心难点”,输出稳定可靠,省下大量写邮件、等回复、约面谈的时间。第二阶段找思路:描述自己构思的技术手段,问前人是否用过,问学界通常用什么工具。第三步获取文献链接。第四步——他最珍视的那一段—— AI 基本帮不上忙。“前面几个月的铺垫完成,背景知识吃透,此刻只能依靠独立思考。灵感迸发或常规推演都在这步,纯粹沉浸在问题本身。”
这种矛盾感在他对待 AI 的态度上体现得更加淋漓尽致。2025年,他在 arXiv 上传了一篇画风突变的论文:《全人类灭绝式 AI 人工智能风险分类》。合作者是他年少时在数学夏令营结识的老友、EnculturedAI 公司联合创始人安德鲁·克里奇(Andrew Critch)。摘要写得冷静到近乎冷漠:“本文梳理并列举了可能导致全体人类近乎灭绝的人工智能灾难场景。这些风险并非必然发生,但属于我们有能力规避的潜在危机。”
一个菲尔兹奖级别的数论学家,为什么要跨行写这种东西?
“我认为 AI 有不小概率会造成人类灭绝。”他说这话的平静程度,和陈述一条引理差不多。
2026 年 OpenAI 用 AI 推翻了埃尔德什单位距离猜想之后,他公开评论了一句话,精准地戳中了争论的核心:“ AI 的优势在于能持续处理人类会因挫败感而放弃的繁琐路径。”但同时他也在提醒:“未标注文献来源”是必须警惕的学术风险。
他曾尝试用 AI 做心理层面的自我疏导,想借机器帮自己认清自己、理解他人。结论是“目前基本做不到”。AI 捕捉不了细腻微妙的情绪差别——讽刺的是,这恰好也是它处理数学问题时最核心的短板。不过有一回他让 AI 总结自己的优缺点,机器给出的答案他没复述,只说了一句:“结论十分扎心。我大为震撼,心里暗道:天哪,这恐怕句句属实。”
“我要是没拿奖,就去开数学冷笑话咖啡馆”
齐默尔曼和导师萨纳克关于 AI 的那场争论,在圈内已经传成了一段轶闻。萨纳克起初完全不把 AI 放在眼里,觉得“ AI 能解奥数题只说明题目简单”。齐默尔曼直接反问:“ AI 需要达到什么水平,你才会真正正视它?它要做到哪些事,才能改变你的看法?”萨纳克后来说,正是这个问题逼着他开始认真思考 AI 与数学的关系。
他对同行普遍的心态有一个犀利的观察:很多数学家总盯着 AI 做不到的事,念叨它不过是只“随机鹦鹉”。“但他们忽略了一点:评判标准在不断水涨船高。要是十年前把现在的 AI 摆出来,所有人都会震惊——这东西难道有自我意识了?现在没人再纠结这个问题。可话说回来,它未必没有。”