菲爾茲獎得主與 AI 基準測試：給行銷人的一課

數學家通常不會為行銷寫公開信。但一群菲爾茲獎得主在 9 月提出的論點，幾乎可以一字不差地套用在我們這個產業衡量 AI 的方式上。他們的重點是：解題只是替代指標，真正的目標是理解。把兩者混為一談，就可能損害你原本想改善的東西。

發生了什麼事

根據 The Next Web，9 月 11 日，一份題為 A Severe Misalignment of AI in Mathematics 的宣言在 mathandai.org 發表。網站列出 25 位連署人，包括 Terence Tao、Peter Scholze、Maryna Viazovska、Cédric Villani、Pierre Deligne、Manjul Bhargava 與 Martin Hairer。宣言主張，解題是工具也是替代指標，而數學的首要目標是概念上的理解與洞見。它警告，以越來越快的速度大量產出真假命題，「可能摧毀肥沃的土壤」。TNW 將其描述為一份關於基準測試的聲明；宣言並未點名任何特定事件。

同一週，另一封公開信批評了 Caltech 一場由學生主辦的 AI「數學馬拉松」（Mathathon），稱這種形式為「劣質數學」（slop mathematics），並主張驗證與修正 AI 結果的勞動「沒有報酬、沒有署名、也沒有被承認」。TNW 報導，OpenAI 於 9 月 10 日撤回其提供給該活動的 US$100 萬額度，而 Anthropic 則保留了其贊助；主辦單位增加了相關要求，但並未取消活動。

為何重要

數學家們的抱怨，指向一個熟悉的陷阱。當一個困難而著名的問題成為基準測試，實驗室就會針對產出答案進行最佳化。答案可以衡量，理解則不能。久而久之，可衡量的東西會排擠有價值的東西，而檢查產出的工作則落到別人身上。

行銷 AI 正好有這個問題。我們用容易計算的東西評比工具：產出的素材數量、節省的時間、點擊率、提及品牌的 AI 回答占比。這些數字很重要。但行銷的目標不是產出，而是充分理解顧客以便服務他們，並建立人們信任的品牌。一個用內容淹沒各個管道、在替代指標上獲勝的系統，可能在不知不覺中侵蝕這兩者。

無償驗證這一點也切中要害。生成內容的製作成本低，檢查成本卻很高。如果檢查工作在你的指標中看不見，你的「生產力提升」有一部分其實是會計上的把戲。

我的研究怎麼說

我近期的研究正是圍繞這個區別展開。在我們的 SIGIR 2026 論文 SOMIN: Agentic AI for Automating Professional Visibility and Countering Content Homogenization 中，我們要解決的問題，正是 AI 撰寫的內容會趨同：每個人的助理都產出同樣稱職卻制式的貼文。我們的方法是在撰寫前先檢索真實的脈絡資料，讓產出保持獨特。沒有獨特性的大量產出，就是行銷版的「劣質內容」（slop）。

在衡量方面，我曾在 e27 主張，每個儀表板都是綠燈，卻沒有人說得出什麼真正有效。全都向上的替代指標，並不等於知道是什麼造成了結果。而在我們的可解釋 AI 研究中，從 Against Opacity 到 MindFuse，目標不只是更好的預測，而是行銷人能從中學習的解釋。這就是行銷版的數學家所說的「概念上的理解」。

行銷團隊可以從中學到什麼

• 說出每項指標背後的目標。為每一個 AI KPI 寫一句話，說明它應代表什麼真實成果，並定期檢查兩者的連結是否仍然成立。
• 計入驗證成本。追蹤人工審閱與修正 AI 產出所花的時間，並將其納入你的投資報酬率。
• 衡量獨特性。將你以 AI 輔助的內容與競爭對手的內容比較。如果兩者越來越難以區分，你就是贏了替代指標、輸了品牌。
• 重解釋、輕分數。一個告訴你某件事為何有效的工具，能累積團隊知識；一個只告訴你它有效的工具，只會累積依賴。
• 肯定人的貢獻。如果有人在收拾 AI 產出的殘局，就讓這份工作被看見、被重視，而不是被視為理所當然。

數學家們正在保護自己的領域，免受一種把答案誤當理解的基準文化侵害。行銷也應該保護自己，避免犯同樣的錯誤。

常見問題