這段史實或許大家都聽過：哥倫布當初其實根本不是想要去「新大陸」。他是想要去「印度」，而且自始自終都相信自己去的就是印度（所以才會叫美洲原住民叫Indian）。順道一提，當初他會這麼認為完全是因為他算錯地球大小，而各國不資助他，主要也是知道他完全算錯。
也就是說，他從頭到尾都算錯了，但因此發現了新大陸。
想像一下，這一切，如果他開了AI，就通通不會發生。
這其實就是AI目前壓境數學界的問題。對，AI它速度很快，火速斬了很多大問題，但也同時斬掉了很多人們在挑戰問題時，嘗試、懷疑、苦惱、理解，甚至在一堆冤枉路中發現了很多其他玩意的過程。
而這才是科學的本質，或甚至更廣義的說，人類探索這個世界的本質。
這邊以一個沒有那麼「學術」的範例，讓非學術界的讀者更能體會。在那個翻譯還沒那麼厲害的年代，大家應該聽過很多人為了玩遊戲或看動漫，所以去學英文或日文吧！
現在，如果你「只是」想要玩遊戲看動漫，你大可以直接開google翻譯，這完全可以滿足你的這個立即需求。但問題是，你同時也會失去你為了達到這個需求，學習語言與文化的過程。
你甚至可能因此沒有「那麼」滿足你的需求。一句「よろしく」很可能被直接翻譯成Nice to meet you，但這完全無法反應這個字原本在日文中的文化意涵。你變成只能認識到非常「表面」的劇情。
數學其實也是一樣的。一個問題可能有很火爆的解決方法，但比「砍掉這問題」更重要的，可能是人們為了攻克這個問題，在一堆有用或無用的路上，開發出的那一整座山。
舉個例子，當年歐拉為了解七橋一筆畫問題，「理解」到可以把問題抽象成圖論結構。說實在話，一筆畫問題本身，可能沒有那麼重要，但我們透過這個問題，「理解」到圖論，以及後續的一整套思考問題的方法。
我自己也有切身經驗。我自己最重要的一篇文章，證明了A可以被寫成A'，但當初我根本不是想做這個題目。我是在寫另一篇文章時，「猜想」如果我能把A寫成A'，可能就可以解決B。最後發現就算我把A寫成A'，對解決B根本一點幫助都沒有，但我還是「不小心」發現了這個新大陸。
而這些不小心被發現的新大陸，在哥倫布開了AI後，會大幅縮減。以陶哲軒的說法，對，OpenAI砍了NS問題，但砍完後「根本沒有人去討論它」，因為根本沒有人走過這條解題路，當然也沒有任何心得或洞見可以分享。
最立即的效果會是，在接下來的十年，我們極可能看到數學上的Open Problem大幅減少。過去，人們在解問題時，會東try try西try try，懷疑某A某B某C可能是對的。這其中最終可能只有一個真的幫助你解決了原始問題，而剩下的就會成為猜想。
現在，這個供給需求會失衡。
如果以上還是太學術了，那也許大家可以這麼想：也許有一天，我們開發出傳送裝置，你從任何地方都能直接傳送到任何地方。你可以這樣移動，但這樣，我們就不再會去意識到，原來隔壁
的公園裡，櫻花已盛開。
---
AI宣告：本文為人類作品，僅圖片使用ChatGPT生成。
