陶哲軒用 AI 救回 20 多個數學 App
陶哲軒這次不是拿 AI 解數學題，而是用 coding agent 整理舊網站、把 1999 年以 Java 1.0 製作的 20 多個數學 applet 移植成現代 JavaScript。結果不只複活 complex analysis、honeycomb、Besicovitch sets 等互動工具，還補上彩色圖形，並在數小時內做出特殊相對論與 Gilbreath's conjecture 的新視覺化 App。
現實應用
最直接的用途是數學教學與論文補充：老師可以用互動圖形解釋抽象概念，研究者也能替論文加上可操作的展示。對手上還有 Flash、Java applet 或老舊前端工具的大學、博物館與內容網站，這也是一條成本較低的數位典藏翻修路線。
這批 App 不負責證明定理，而是幫讀者建立直覺，因此很適合導入 AI 生成程式碼：即使出現小問題，風險也比付款、醫療或核心研究系統低得多。
期望評估
我認為低標期望，是 coding agent 能讀懂舊程式與搭配的 HTML，在人工驗收下完成可用的語言移植，大幅省掉重寫介面與追查舊邏輯的時間。陶哲軒只找到一個拖曳事件的小問題，agent 反而發現兩個原始程式的 bug，但這不代表其他專案也會有同樣品質。
我猜高標期望，是研究者往後能把「論文附互動 App」變成固定流程，甚至把多年來因開發成本太高而擱置的構想快速做成原型。不過 alpha 版本仍需要領域專家測試，LLM 產生的細微數學或互動錯誤不能只靠畫面看起來正常就放過。
商業策略分析
我認為最先受影響的不是專業軟體公司，而是接案式的簡單教學工具、舊網站翻修與研究展示開發。coding agent 把一次性小工具的製作門檻壓低後，真正值錢的會轉向規格定義、領域驗證、測試與長期維護。
值得跟進，但要挑對場景。我會先從非關鍵、容易人工驗證、壞掉也不會造成重大損失的視覺化工具開始；若是正式研究計算或商業核心系統，仍要補齊測試、code review 與版本維護策略。
實作細節
這些 App 直接在瀏覽器執行，不必安裝。可從陶哲軒的 Applets 集合進入；特殊相對論工具可建立與操作 Minkowski spacetime diagram，Gilbreath 工具則用來觀察數列差分過程。已知狀況是部分新工具仍屬 alpha，可能有 bug 與操作粗糙處；舊 App 移植時也曾出現拖曳超出主框後行為異常。