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）