近日 ，我国发布《人工智能安全治理框架3.0》，将智能体 、具身智能等纳入治理范畴
，与时俱进梳理更新了风险分类，优化调整了技术应对和综合治理措施 ，并提出构建柔性、动态
、可控的沙箱监管环境。而在此前几天
，陶哲轩、邓煜等25位菲尔兹奖得主的联名公开信提出警示：AI公司把攻克数学难题当作“跑分 ”竞赛，正在损害数学研究的生态 。

　　这两份文档 ，一为制度规范更新
，二为科学界现实警示，指向了同一个紧迫命题。随着AI迅猛发展 ，科研与教育的生态正在被深刻重塑
，治理框架必须及时升级
。

　　AI已经深度嵌入科研与教育。在蛋白质结构预测 、药物筛选
、材料发现等领域，AI大模型极大压缩了试错周期 ，让科研人员得以从繁重的重复劳动中解放出来 。在教育领域
，个性化学习系统可以因材施教，智能答疑降低了知识获取的门槛 ，偏远地区的学生也能接触到优质教学资源
。这些都是AI技术“以人为本、向上向善
”的正面画像。

　　但数学家们的担心绝非杞人忧天 。当“跑分”取代“求知 ”成为目标，科研的内在逻辑就被悄然置换
。AI公司将破解数学难题异化成性能指标的竞赛
，数学沦为展示AI算力的陪衬，谁还能想起追求真理的初心？AI公司批量生产答案 ，却忽略思考 、理解与洞见
，这不仅是数学领域的危机，更是整个科研生态的危机。

　　教育领域的危机与此同理 。学生过度依赖AI代写
、代算 ，思维训练让位于答案搬运
，得到更多正确的答案，却失去了提出问题和解决问题的真实能力训练机会
。

　　防范AI风险 ，要建立可执行、可迭代 、可追责的治理机制。

　　完善科研与教育场景中的AI使用规则 。高校
、科研机构和期刊应明确AI辅助研究、写作 、评审的边界
，对AI生成内容进行披露
、核验和溯源，禁止将涉密数据、未公开成果输入公共模型 ，防止学术不端和数据泄露
。

　　改革评价体系。不能把“AI快速解题
”等同于科研突破
，更不能以此替代同行评审 、可解释性验证和知识传承 。科研评价应更加重视方法创新、可复现性
、长期影响和人才培养价值。

　　推动技术治理与制度治理协同
。《人工智能安全治理框架3.0》提出的沙箱监管、风险分级等，应尽快在科研 、教育
、医疗、金融等重点场景落地。AI治理框架也应像AI技术应用那样 ，快速落地 、快速反馈
、快速迭代 。对智能体和具身智能等可能直接影响现实世界的技术，更要强化权限控制、行为审计 、异常拦截和人类接管机制
。

　　加强AI素养教育。从中小学到大学
，应系统开设AI通识与伦理课程，教学生理解AI的能力边界
、辨别生成内容的真伪、恪守学术规范 ，使AI成为创新的脚手架而非思维的替代品 。

　　技术本身无善恶
，治理的方向决定技术的走向
。顶尖数学家的联名警示提醒我们，如果只追求答案而忽视理解 、传承与育人 ，技术越强大
，错位就越危险。

　　我国AI治理框架一年一更新，说明风险正在加速演化 。只有持续动态升级治理框架 ，让创新在安全轨道内奔跑
，才能让AI真正成为科研突破的翅膀
、人才成长的阶梯
。

（文章来源：经济日报）