After Math

AI“解决方案” vs 数学理解

• 许多评论者认为，形式上正确、经过机器检查的证明还不够；数学关乎人类可理解的论证，它能产生新概念和洞见。
• 也有人反驳说，逻辑上有效的证明确实算是解决了问题，而把“解答”的定义改成还必须具备某种“可理解”属性，被视为是在不断移动目标。
• 关于区分“形式化”与“可理解”证明究竟是必要的，还是只是一种哲学修辞，存在争论。

形式化证明、可读性与归属

• Navier–Stokes 以及其他近期 AI 生成的证明被描述为难以阅读、漫无边际，而且可能并不反映真正的“理解”。
• 归属问题是一个主要担忧：系统基于他人作品和聊天内容训练，却无法给予署名，导致人们对认可和奖项应归于何处感到不满。
• 有人认为，这只是此前对不透明计算机证明（例如大型分支检查）担忧的延续，如今被进一步放大了。

对数学家、职业与资助的影响

• 人们担心，长期以来作为招聘、终身教职和资助关键指标的问题求解，正在被自动化。一些人担心院系会缩编，想法会被囤积而不是分享。
• 也有人提出新角色：解读 AI 证明、筛选问题、引导模型，但对一些人来说，这与传统成就相比更像是“参与奖”。
• 还有人明确质疑：如果 AI 能生成许多关键结果，数学的公共资助是否应该随之改变。

与软件和生产力说法的类比

• 反馈不一：一些小团队声称借助 AI 代码产出提升了约 10 倍；另一些人则在主流软件质量或新颖性上几乎看不到明显回报。
• 几个人指出，大型组织受限于协作和品味，而不是编码速度，因此 AI 的影响最先会在小型、较不显眼的团队中显现。
• 这个类比被用来暗示，AI 可能会同时放大并琐碎化数学的一些方面：更多原型验证，更少深度投入。

目的、意义与“目的死亡”

• 有一条讨论聚焦于“目的死亡”：当长期培养的技能被自动化时所产生的危机，会带来存在性恐惧和类似悲伤的阶段。
• 有人认为这会是未来广泛出现的体验；也有人指出，很多人早已把目的感建立在宗教、家庭或自然之上，因此不会受到太大影响。
• 也有人反对对特定数学家进行病理化或精神分析，并反对 AI“末日论”。

当前 AI 在数学中的能力与局限

• 评论者指出，AI 目前在暴力式存在性证明、反例和形式化验证方面很强，但在大局创造力和提出问题方面相对较弱。
• 有人预期它会迅速进步到具备创造性、能够设定议程的系统；也有人坚持认为，现有架构从根本上缺乏类人的推理和抽象能力。

AI 时代的数学未来

• 一种观点认为：数学的终极目标是人类理解；AI 必须成为加速这一目标的工具，包括能够解释先前 AI 工作的系统。
• 另一种观点认为：如果 AI 而不是人类成为数学进步的主要引擎，也是可以接受的；人类可能会转向引导、解读，或者只是把数学当作一种个人的、审美性的实践来追求。
• 几个人强调，数学很可能是无限的；AI 会改变游戏规则，但不会耗尽这个学科。