竞技宝电竞整理如下：
新智元报道 118511个。
这是清华大学沈阳教授团队用AI，从网上能公开收集到的资料里，整理出的数学猜想总数。
当然，这些文档不是给人看的，是给你的AI看的。
团队还让AI给这些猜想排了座次，评出前100名。
在AI眼里，中国人最熟悉的哥德巴赫猜想，只排第49。
今天，新智元深度对话沈阳教授。
作为横跨文、理、工、医的跨界学者，他曾先后在计算机、信息管理、新闻传播、人工智能、临床医学等多个领域任教授或指导博士后，在AI绘画、AI音乐与AI人文社科领域的探索亦引发广泛社会关注。
访谈中，沈阳教授系统抛出四重核心思考： 自进化数学（PCU框架）、自进化算法优化（PAE框架）、自进化软件工程（ECX范式），以及AI社会未来结构的两种终局前景 。
这不仅是一份技术演进路线图，更是一份人类在智能洪流中夺回「掌舵权」的思想备忘录。
一、 AI数学的再理解 从「解出难题」到「自进化数学」 近期，OpenAI在数学领域的突破引发热议。
舆论都在追问：AI究竟解出了多少道难题？
是否已经超越人类数学家？
但在我看来，一个更震撼的事实被忽略了—— 此次公开的722篇手稿只是冰山一角。
只要系统愿意，它随时能抛出7000甚至70000篇手稿，等待人类去验证。
【核心转折】 未来，机器生产数学知识的速度，将长期超过人类理解它们的速度。
人类将第一次大规模拥有自己尚未真正理解、却又必须持续验证和使用的数学知识。
数学研究的重心，正从「攻克单个难题」转向「创造解决一类问题的新方法」；
原本属于数学天才的部分大脑功能，开始迁移到持续运行的智能系统中。
数学由此可能成为最早实现大规模 「知识自我繁殖」 的学科：旧定理帮助发现新定理，新定理催生新工具，新工具又挖掘出更多数学结构，形成持续扩张的研究闭环。
这也倒逼传统数学教育改革—— AI对有判断力的资深学者友好，对敢于探索的年轻人友好，唯独削弱了单纯靠资历筑起的学术壁垒。
1.
「数学界面」假说：为陌生数学结构创造人类「解释界面」 当AI能够轻易量产数学成果时，未来数学家最重要的工作不再仅仅是证明新定理，而是 创造基于AI自我进化的新概念、新表达方式与新理论体系。
这要求我们重新审视一个底层问题：今天使用的数学概念，究竟是数学世界唯一的表达方式，还是人类为理解世界而建立的认知工具？
人类习惯使用符号、公式和图形，是因为它们契合人脑的思考习惯。
人类现有的数学体系，或许只是适应人脑的一种「数学界面」，既非表达全部数学真理的唯一方式，更未必是最优方式。
AI不受人脑生理限制，未来很可能发现逻辑完全成立、却难以直接转化为人类熟悉概念的数学结构。
到那时，数学家的重要任务，就是为这些陌生结构创造人类能够理解的 「解释界面」 。
2.
PCU研究框架：数学从「产出稀缺」走向「 人类检验稀缺 」 基于这一变化，我提出面向AI时代的数学研究框架—— PCU（Production 知识生产、Certification 成果认证、Understanding 认知理解） ： 这也将彻底改写数学的评价标准。
当定理可以低成本量产，单纯增加定理数量便不再珍贵，数学将从「产出稀缺」走向「人类检验稀缺」。
若缺乏筛选、组织与整合能力，海量AI成果只会堆积成难以利用的「知识垃圾」。
真正稀缺的，是能被反复调用、能统一大量既有结论、能催生新理论的 「枢纽型成果」 。
3.
自进化数学与跨智能数学：共创通往真理的新路径 沿着这一思路，我进一步提出 「自进化数学」 。
传统数学主要研究：在已有公理、定义和规则下，我们能证明什么？
自进化数学则追问： 我们能否创造全新的概念、表达方式与推理结构，让过去无法开展的数学研究变得可能？
它不仅研究数学知识本身，更研究数学如何借力人机协同，将繁复的底层推演自动提炼为新工具，持续生长出新的数学能力。
最有价值的突破，未必是解出最难的一道题，而是创造一种新方法，让成千上万道题迎刃而解。
由此，我们还能利用AI探索更深远的 「跨智能数学」 。
人类智能、不同架构的AI乃至未来的其他智能系统，会形成各自的数学概念、表示方式与证明偏好。
有些人类觉得极难的问题，机器换种表示就能轻松解决；
反之，人类凭直觉就能理解的结构，机器也未必采用相同的思考方式。
数学真理未必因智能不同而改变，但通往真理的道路远比过去想象的更加丰富。
回顾数学史，真正改变数学面貌的突破，往往是新概念、新表示方式和新理论体系被创造出来。
AI数学革命真正值得期待的，不是机器解决了多少著名猜想，而是建立起一套「自进化数学」体系，让AI与人类持续共创数学的未来。
二、 自进化AI与算法优化 跨越万倍算力鸿沟的「PAE框架」 今年，我把主要精力放在了一件事上： 利用AI，让算法不断实现自我进化。
这项研究的起点源于AI绘画。
过去三年，我累计使用AI创作了 14万幅绘画作品 ，在全球举办
更多赛事消息，关注竞技宝电竞。
