10 月 6 日，OpenAI 一次性公开了 722 份数学研究手稿，涉及 372 组结果。 这不是又多了几篇论文，而是一个晚上多出了几百份需要读、需要判、需要消化的稿子。研究理论计算机科学里的“唯一游戏猜想”二十多年的 Dana Moshkovitz，后来要用 AI 才读得懂一份关于自己毕生工作的证明。 证明被生产出来了，读懂它的人还没有出现。知识分子知乎
过去，数学的稀缺资源是证明。一个猜想被解决，会带来讲座、研讨班、教科书，以及一批被吸引进来的年轻人。现在，证明开始过剩，稀缺的变成了理解和确认。25 位菲尔兹奖得主在 9 月的联合声明里说，把解决难题当作模型能力基准，已经和数学共同体追求理解的目标产生显著分歧。 对学生和研究者来说，影响不是“会不会失业”，而是劳动被重新排序：过去最值钱的是把证明写出来，现在最值钱的是判断哪份证明值得读，以及把它读到能懂。中国新闻周刊
这份工作量首先落在研究者身上。更早的纳维-斯托克斯证明已经演示过一遍：陶哲轩说，那份 100 页的 AI 证明，一位同事借助 AI 钻研数日，也只能解释一半。 十月初那篇 9 页的机器证明也一样：Banks 逐行核验，Kerr 改写成 6 页，Green 再把核心论证压到 3 页，它才变成同行敢引用、能写进讲义的公共知识。 这些工作通常没有额外经费，也很难直接折算成论文，这相当于让学术共同体替商业公司做免费验算。数智奔流知乎36氪
而这样的稿子不是一篇，是七百多篇。公开第二天，OpenAI 撤回 3 篇：一个符号错误让一篇论文的核心论证失效，还连带两篇依赖它的工作；同一天另有 14 篇修订。 更麻烦的是，机器验证不能完全替代人。Lean 这样的形式化工具能检查每一步推导是否合法，却不检查你形式化的命题是不是论文里那个命题。知识分子知乎
如果说研究者面对的是“读不完”，普通学生面对的是“还要不要自己推”。过去，证明被当作理解的代理指标；机器能批量出证明以后，这个代理失效了。 但数学训练真正值钱的部分，恰恰是那段推导：不是因为它能产出新定理，而是因为它把“判断什么是对的”写进脑子。中科院院士席南华说，仅有数学定理，它并不构成数学。 欧几里得早就证明了素数有无穷多个，两千多年后欧拉又给了一个新证明，打开了解析数论的门。定理是砖，证明过程才是建筑。知乎知识分子
所以，真正被改变的不是“要不要学数学”，而是“怎么证明学生真的学了”。当习题集可以被 AI 做完，布置加批改这套训练方式就失灵了。今年，有位数分老师把期中改成了抽题口试。 中科院院士田野的说法更直接：AI 能完成的计算不该再是考核核心，对学生的要求反而要更高——更深的理解，更强的创造力。知乎知识分子
对年轻研究者，问题更具体：他们需要论文、需要署名、需要在领域里被看见。可现在，最耗时的工作变成了读别人的证明，而这项工作不计入考核。卡耐基梅隆大学的博士生哈里哈兰和团队做了两年的项目，被一家 AI 公司用五天“抢先发表”。 两位 00 后博士生为了不被抢发，赶在 OpenAI 发布前把 95 页的初稿挂上了网；Minzer 说，失败并知道为什么失败很有价值，使用 AI 把这一切都拿走了。 这不是矫情。一个领域靠年轻人愿意押上几年时间，才转得动；如果每个人都在担心被万亿美元的公司抢先，长期项目就会先消失。澎湃新闻量子杂志
陶哲轩说，他不想要一份长达 1000 页、却不能给他带来任何洞见的证明。 这句话可以当作一个标准：未来数学缺的不是能写证明的机器，而是能判断哪份证明值得读、并且能读到它变成理解的人。智能正在变成最便宜的东西，但能被信任的智能，还是最贵。数智奔流新智元
