https://terrytao.wordpress.com/2026/10/15/why-are-we-even-doing-all-this/
2026 年 10 月 15 日，理論粒子物理學家 Rikab Gambhir 在 Terence Tao 的部落格發了一篇客座。開場他把「起初他們來抓」改寫了一遍。藝術家被帶走，他沒出聲，因為他不是藝術家。數學家被帶走，他沒出聲，因為他不是數學家。輪到物理學家，事情變得很酷。那些人送上免費 token，答應把整個領域解掉。他終於可以去做重要的工作：發論文，不必做物理。
Tao 的前註寫，稿子本來是另一種檔案格式，用 AI 轉過來的。頁面發文帳號署名 Terence Tao，分類在 guest blog 和 opinion。正文是 Gambhir 的客座。
這篇的熱絡是裝出來的。他一路假裝在鼓掌，鼓掌給產量：看起來也許為真，沒有人讀得懂。
童年那個夢，被他改成 700 條
十月上旬，他寫，OpenAI 完成了每一位數學家的童年夢想。他自己不是數學家，只做理論粒子物理。有人會說，連這個也很難算是科學家。他沒辦法百分之百斷定，是什麼把一個人推進數學。他想像那個夢大家差不多。抬頭看星星，或玩一個很難的謎題，或碰到一位會鼓勵人的老師。然後有一天，一台沒有感覺的企業機器人燒掉一片雨林，編成一份清單。清單是 700 條。極度冷門，幾乎讀不下去，也許為真，沒有人看得懂。用途是行銷，幫一場 IPO 把熱度炒起來。
兩則註解把這個夢釘死。造機器人的是大公司，一部分靠偷你和朋友的東西做出來。它不特別酷，只會講人資腔。那是別人的 IPO，錢進別人口袋。
他對讀者說，你會讀到這裡，多半就是為了這個才進學術界。至少他是。
這段是假裝的稱讚。他把走進學術界的理由，說成一份沒人讀得懂的上市宣傳。
巴別圖書館一拿出來，722 和 2500 都變少
1941 年，Jorge Luis Borges 想像一座圖書館，裡頭是一切可能被寫出來的書。Gambhir 連到 Wikipedia 上的 [Library of Babel](https://en.wikipedia.org/wiki/The_Library_of_Babel)。他說，黎曼猜想的證明在裡面，完整的量子重力全階理論在裡面，他自己這輩子會寫的論文也都在裡面。錯的證明、錯的理論、會誤導人的 Lean certificate 也在。後面這句他掛了 [arXiv:2610.08144](https://arxiv.org/abs/2610.08144)。他說那些都無關緊要。
照他使用的 2026 年研究標準，這座圖書館會是人類史上最成功的研究機構。可能正確的數學結果和物理結果多到無法想像。他用來比的兩筆，都是文中他自己的寫法，也都連了出去。連結上的文字是「722 write-ups」，指向 [OpenAI 社群的一則貼文](https://community.openai.com/t/first-look-at-mathematics-manuscripts-from-an-internal-frontier-model-at-openai/1403886)。句子裡他把這 722 份說成不算多。另一筆是物理社群最近的 2500 份 write-ups，連到 [他帳號上的一則貼文](https://x.com/FinitePhysicist/status/2108745721155387704)。前面正文寫的 700 條，和連結文字的 722，是兩筆。
然後他寫，當然，多數人看得出來，Borges 是個沒有願景的傻瓜。商業潛力他看不出來，因為圖書館他根本沒蓋。募創投、辦一場 IPO、宣布自己有潛力把數學全部解掉，這些他都沒做。他操心的是一件白費力氣的事：在一堆隨機吐出來的廢料裡，分哪個對、哪個錯，還要弄懂它們。Borges 懂什麼。他只是個作家。藝術家已經過時了。
看起來對，他就當往前走了一步
他說，幸好，OpenAI 讓大家離 Borges 的願景更近。他們沒有把每一篇可能的數學論文都生出來。他們找到辦法，用機率生成看起來正確的東西。他說效率高，是因為把一件煩、沒面子、又不賺錢的工作外包出去：判斷到底對不對，以及把東西搞懂。以前這件事通常留在寫論文的那一組人身上。他們也不花時間把論文寫到人讀得懂。
他稱這是巨大的突破。照他的寫法，過去幾百年，科學家和數學家能解多遠，卡在懂不懂那個解答。他說這個卡住的地方現在沒了，人沒搞懂的小事實就不再有理論上限。對那批寫出來的東西，他給的就是這兩句：也許為真，沒有人看得懂。
他說學界幾乎都同意，沒人讀的倉庫就是研究
他對學術圈的了解，主要來自 Twitter 和 LinkedIn。他假定這兩個地方有代表性。他從那裡得到的畫面是，幾乎全體同意：數學和科學研究的目的，就是在一座沒有人會真的去讀的倉庫裡，蒐集大量可能為真的小事實。這套儀式叫做「推進人類的知識」。註解針對裡面那個「人類」：這裡是比喻，不指任何一個真的搞懂了什麼的人。
他接著說，這些結果寫得好不好、人懂不懂、讀起來看著舒不舒服，甚至是不是完全正確，都排在後面。為了盡快推進人類的知識，很多做學術的人聽到「值得花時間讓人讀懂」，會火大，也會往後退。解釋一個結果要時間，檢查也要時間。那些時間拿去再生成下一個，才有效率。
直方圖前面，說一句大概可以
他說這跟他自己的經歷對得上。「我不是為了認識宇宙才去做理論物理」那一句旁邊，他連了 [arXiv:2602.10181](https://arxiv.org/abs/2602.10181)。
認識宇宙，親自去感受自然的美，那是哲學。他才不會去拿那個博士。花好幾年學寫程式、畫出好看的圖、把論文寫好，要是為了做出一個東西的痛快，那就是藝術。藝術已經過時。他做物理，是為了盯著大型資料庫裡的直方圖。圖由一個正確性可疑的洛夫克拉夫特式自動完成吐出來。他要對著圖說：嗯，大概可以吧。然後把這句話添進人類知識的前沿。
下一句他寫：我活著就是為了服務知識前沿，除此之外什麼都沒有。這半句連到 [Goodhart's law](https://en.wikipedia.org/wiki/Goodhart%27s_law)。
好奇被他算成沒效率
他接著把各行收成同一種東西。數學和科學是冷的、硬的答案。藝術是在生產圖像。音樂是在生產聲波。文學是在生產一串文字。這些東西存在，是為了當成內容被消費。他寫，理性的人不會為了創造的喜悅、學習的喜悅或美去做這些。理工裡那些自認把理性學到家的人，更不會為了喜悅去做。喜悅是沒效率。沒效率會把人類的進步拖住。LLM 沒有這些包袱。好奇、學習、美，留給被甩在後面、整天找不到更有產出的事可做的人。
他本人很期待那一天。ChatGPT 可以替他欣賞夕陽，或替他吃一頓好的，把他的時間空出來。風景步道他已經在省時間，方法是搭 Uber。照他的說法，AI 把問題都解了，更重要的工作就來了：進量化金融，用 vibe coding 做運動博弈的 app，刷 AI 生成的 TikTok 短影音，在 Twitter 上跟政治機器人吵架。
他說，這到頭來不限於數學，也不限於物理。這是在重想做人是什麼。把好奇、創造、理解這些負擔外包掉，人可以專心做他列出來的要緊事：製造價值，把生產力拉到最大，加速走向科學的終點。終點是 Library of Babel 裡一座完整的 repo，可能為真的事實收齊了，沒有人會費心去讀。
他補一句。說實話？這很少見。
他沒有裝的，只留那一句
署名 Rikab Gambhir，X 帳號 @finitephysicist。謝詞寫給 Terry Tao 和 Rachel Ward，謝他們給了客座的機會；也寫給 Radha Mastandrea、Benoit Assi、Manuel Szewc、Jure Zupan、Jesse Thaler，謝他們看過稿、給過意見。
謝詞之後他沒再裝，寫的是：記得你當初為什麼選擇走進科學和數學！