数学已经变了。我们也该如此

AI 在数学中的能力与局限

• 许多评论者认为，近期 AI 证明展示了质的飞跃：模型能够解决跨越多个领域的长期问题，并把人类错过的技巧组合起来，这说明存在大量人类因带宽不足而没能找到的“唾手可得”成果。
• 也有人反驳说，目前还不清楚 AI 是否能产生范式转变、全新的概念框架，或真正新颖的猜想；迄今为止，AI 主要还是在重组已知工具。
• 争论还包括：AI 未来能否像人类一样选择重要问题并解释结果，还是会一直只是一个“黑箱定理证明器”，其洞见不可见且难以理解。

人类数学家的角色与未来

• 一派预测专业数学家的需求会大幅减少，并把这种变化类比为工业化：数学将从“手艺”转向“技术”。
• 另一派强调人类仍有不可替代的角色：挑选值得做的问题、消化并简化机器证明、构建理论和“工具体系”、教学，以及让数学与人类价值和应用保持一致。
• 学生和早期研究者的焦虑很强烈，他们看到论文题目正在消失，而原本就高度竞争的培养管道会变得更加残酷。

证明质量、形式系统与理解

• 形式化证明助手（如 Lean）被普遍视为强大但并非无误；可能存在 bug 和规格错误，不过大量且多样化的证明语料会降低灾难性错误的可能性。
• 许多人批评 AI 证明极其冗长、丑陋，并且对人类来说很难（或根本不可能）理解；也有人指出，大成果的第一版证明往往本就如此，优雅通常会在之后到来。
• 这里存在一种张力：究竟是“结果就是结果，证明美不美无所谓”，还是数学主要关乎人类理解、美感与概念清晰。

获取、资本与激励

• 有人担心，前沿成果如今需要昂贵、未公开的模型和巨大的算力，这会把荣誉从智力贡献转向对资本的获取。
• 有些人将此类比为实验科学中昂贵设备主导的大实验室；另一些人则认为 token 成本正在快速下降，因此获取门槛可能会扩大。

更广泛的社会与伦理问题

• 人们担心万亿美元级 AI 公司会集中权力、“技术男独裁”，以及激励错位（广告、专利、利润 vs 公共利益）。
• 汽车与马、烤面包机与“普通科技”、以及 AI 在编程、艺术和游戏中的类比都指向一个反复出现的主题：把产出最大化的工具，可能会侵蚀手艺的人类意义。
• 有人提议建立“仅限人类”的数学机构或封闭语料库；也有人认为这带有保护主义色彩，并主张从社会整体看，更多被解决的数学问题无疑是好事。