10月6日，OpenAI公开722份数学手稿，归为372组结果。第二天，3篇因一个正负号写错被撤回。 这比“AI又解了多少难题”更值得琢磨：证明可以批量生产，但判断证明是否成立，仍要人来做。机器之心
陶哲轩把这种变化概括为从“证明稀缺”到“证明富足”。 过去，数学界的评价、晋升，都建立在“证明很难”上；现在，这个前提松动了。机器之心
他也提醒，AI能力是“锯齿状”的。 多数前沿问题仍未解决，真正被改变的只是证明的供给方式。机器之心
问题在于，“证明富足”不等于“知识富足”。在上述719篇手稿中，约42%的主结果完成了Lean形式化。机器之心
其余结果尚未经过充分验证，严格说仍只能算“声称”。知识分子
一篇证明被机器检查通过，不等于人类理解了它。陶哲轩警告，盲目只优化解题，正在损害数学的长期健康。 数学的价值不只是多几个真命题，而是人类获得理解。机器之心
所以，数学的危机不是“AI比人聪明”，而是“证明=学术成果”的旧账本失灵了。 当证明不再稀缺，继续把“谁先证出来”当作唯一标准，数学界会陷入一种荒诞：AI负责生产，人类负责盖章。光明网
陶哲轩提出的Math 2.0，是给人类理解搭脚手架：把已有证明改写得更容易懂，建立持续更新的知识网络，建设形式化数学库。 这些事不产生“又攻克大猜想”的爆点，却决定知识能不能被消化、继承和使用。机器之心
邓煜把话说得更直接：AI可以自主提问题，但他没有理由认为，AI提的问题会是人类感兴趣的问题。 数学的下一站，是让人借助机器，把方向选得更准。知识分子
对学数学的人，结论也不是“别学了”。夏志宏说，被淘汰的从来不是人，而是过时的人才标准。 过去最保险的路径是刷题、证猜想、发四大；现在，单纯靠推导速度和文献记忆建立的优势正在贬值。知识分子
更值钱的是三种能力：提出值得做的问题，判断证明是否可信、是否重要，把抽象结果翻译成其他领域能用的语言。 这三件事，AI能帮忙，但不能替你做。你可以让AI跑一百次尝试，不能让它替你决定哪一次值得追。知乎
如果正在读书，最稳的组合不是“只学纯数”或“只学AI”，而是数学底子、形式化工具和一个应用领域。
学一点Lean，知道证明怎样被机器检验；去碰真实数据、物理模型或工程项目，知道数学在哪里会失效；保留手算和读长证明的习惯，因为那是训练判断力的方式。
AI可以代写作业，但代写不了你脑子里的判断。把它当陪练，不要当替身。知乎
数学不会在AI时代消失。会消失的，是把数学等同于“解题”的那套自我想象。
证明变便宜以后，数学终于有机会回到更古老的位置：不是替世界算出一个答案，而是帮人类理解世界为什么可以这样被理解。这仍是数学，而且可能是更好的数学。
