專 訪/邵逸夫數學科學獎兩得主 勉學生基礎訓練不可棄 AI速解難題 數學家須努力建立新理論

  圖:2026年度「邵逸夫獎」數學科學獎得主康德斯(左)與雷列斯指出人工智能在數學研究上的短板。\大公報記者何嘉駿攝
  圖:2026年度「邵逸夫獎」數學科學獎得主康德斯(左)與雷列斯指出人工智能在數學研究上的短板。\大公報記者何嘉駿攝

  數學研究旨在為人類認識世界提供基礎的理論模型,並實際應用於社會發展,惟近年來,人工智能的發展正衝擊傳統的數學研究方法。2026年邵逸夫數學科學獎由伊曼紐爾‧康德斯(Emmanuel Candès)及卡米洛‧德‧雷列斯(Camillo De Lellis)共同獲得,分別表彰兩人在訊號處理、統計學,以及幾何測度論和流體動力學方面的突破。

  康德斯指出,AI雖能迅速解決部分數學難題,卻仍欠缺判斷新想法是否具有長遠研究價值的能力,數學家仍須着重提出重要問題及建立新理論。\大公報記者 柯慕蓉

  康德斯因其在訊號處理、統計學等領域的研究獲獎,其中一項重要成果是「壓縮感知」理論,能以較少測量數據重建原本的訊號。他回憶,研究起點是一名放射科醫生希望縮短磁力共振掃描時間,他與合作者遂嘗試減少採集的數據,並建立數學理論,解釋為何資料不完整仍可重建清晰影像。他以兒童接受檢查為例,指孩子難以長時間保持不動,有關技術可將部分掃描時間由約兩分鐘縮短至二十秒,減少影像因身體移動而模糊的問題。

  享受研究把興趣當職業

  雷列斯則憑幾何測度論及流體動力學研究獲獎,其中包括推進高維極小曲面理論,以及發展研究流體方程中奇異現象的數學方法。他以鐵線浸過肥皂水後形成的薄膜為例,解釋「極小曲面」如何在既定邊界之間盡量縮小面積。至於流體動力學,他指出,日常所見的流體和氣體有時會出現十分混亂的運動,當中一些基本數學問題至今仍未得到充分理解;這類流體方程亦是天氣預報等應用的數學基礎,有助理解大氣中的流動現象。

  康德斯回憶從事數學研究的原因,指中學時喜歡數學不必像其他科目一樣大量背誦,可以像遊戲般嘗試不同解法,後來知道數學理論深刻影響通訊等科技,更加堅定研究的興趣。

  康德斯以信息論奠基者香農為例,指出現代手機、電腦等數碼科技均離不開數學家的貢獻。雷列斯則從小喜歡心算,約十五、十六歲便決心從事數學研究,希望能把興趣當成職業;他常提醒學生,最重要是確認自己是否真正享受研究。

  談及AI對數學研究的影響,雷列斯指出,即使是自己多年未能解決的難題,亦已見到AI提出解法。他提到,一間AI公司公布的一批數學成果中,包括一道他鑽研多年的問題,關鍵解法只是數頁推導和一道自己昔日未能找出的不等式。他回想,指曾花不少時間研究這道題目,如今認為部分精力原可放在其他問題,但探索過程也產生了有意思的成果,因此並未失去對研究的興奮感。

  雷列斯同時身為數學與人工智能顧問組成員,他提到,小組曾建議AI實驗室不要自行向前沿模型提出數學研究問題,而應讓數學家依照學術界慣例主導。他說,小組亦就研究成果的發布和與數學界交流提出建議,指雖然數學界對AI發展有所憂慮,但他相信年輕一代有機會藉此開創不同的研究方式。

  AI缺「品味」難辨科研長遠價值

  康德斯則指出,AI在可以迅速驗證結果的工作尤其擅長,例如檢查數學證明及編寫程式,然而一項新概念是否真正重要,往往要多年後才能判斷。他認為,提出值得探索的問題,以及辨別新理論有沒有長遠價值,需要「科研品味」,現階段AI仍欠缺這種能力。雷列斯則以登山作比喻,指既然AI有如讓人人都能乘直升機到達山頂,數學家便不應只競逐誰先解開一道難題,而要着重建立新的思想和理論。

  至於AI對於年輕學者在數學研究領域的影響,雷列斯擔心,學生若只依賴AI回答問題,而不自行嘗試解題,可能失去必要的數學訓練;他提出,新技術不代表基礎學習可以被取代,正如計算機普及後早已能夠代人運算,學校仍會教授基本計算,未來數學教育亦須在保留基礎訓練的同時作出調整。康德斯強調,數學訓練能培養清晰思考和嚴謹判斷,只有真正掌握數學等科學知識,才能在AI時代主導研究,而非被動接收機器產生的答案。

  康德斯現時也利用AI學習陌生的數學領域,以及編寫程式測試構想,形容以往需數月甚至更長時間的工作,現在有時一個下午便能初步完成,令他感覺「像回到25歲」。另一方面,他指出,AI本身建基於統計及其他數學理論,數學亦可協助改善系統安全,避免模型因過分追求完成任務而作出有害行為。

  康德斯出生於法國巴黎,1998年在史丹福大學取得統計學博士學位,現任該校數學與統計學講座教授。雷列斯生於意大利,2002年在比薩高等師範學校取得博士學位,2018年加入普林斯頓高等研究院,現任研究院數學學院講座教授。邵逸夫獎由香港邵逸夫獎基金會設立,數學科學獎表揚相關領域的傑出科研貢獻。