最近，奥尔特曼在斯坦福大学的一场演讲中，面对数百名对未来职业前景感到焦虑的学生，谈到了OpenAI进入数学研究领域后引发的巨大震动。

他将数学家的反应形容为经历了一场类似失去重要事物的心理过程。

第一天是难以置信，随后是痛苦。奥尔特曼回 忆，当时一些数学家的第一反应是，自己的职业可能彻底完了，甚至有人开始建议研究生考虑转专业。

到了第三天，情绪逐渐转为愤怒。按照奥尔特曼的描述，一些数学家开始抱怨，OpenAI为什么要做这样的事情，认为AI公司正在破坏数学研究原有的生态。

但到了第五天，情况又出现了变化。奥尔特曼称，越来越多的数学研究人员开始接受AI将在数学研究中扮演重要角色的现实，并尝试重新思考自己的职业发展方向。

有人开始意识到，未来仍然可以成为数学家，只是工作方式可能与过去完全不同，甚至有机会获得更好的职业发展。

奥尔特曼认为，数学界的这场转变来得异常迅速，几乎是他见过所有受到AI冲击的行业中，适应速度最快的一次。

不过，这种相对乐观的描述，与部分数学家的真实感受存在明显差距。

今年9月，OpenAI宣布，其AI模型解决了著名的纳维-斯托克斯方程相关难题。纳维-斯托克斯方程是流体力学的重要数学基础，长期以来一直是数学研究中极具挑战性的领域。其中涉及的关键数学问题，自19世纪以来就困扰着一代又一代顶尖数学家。

OpenAI的这一消息迅速在学术界引发震动。

不过，争议也随之而来。来自纽约大学和Anthropic的两名研究人员指责OpenAI，认为该公司可能利用了他们此前与AI系统交流时留下的聊天记录，帮助模型完成相关数学研究。

与此同时，一些数学家对OpenAI公布成果的方式提出质疑。他们认为，即便AI真的找到了问题的解法，如果没有提供完整、可以独立检查的证明过程，那么数学界仍然需要投入大量时间验证结果。

这也带来了一个颇为尴尬的变化。过去，数学家最重要的工作之一，是亲自寻找解决难题的方法，并完成严谨证明。但现在，AI可能先一步给出答案，人类数学家反而需要花费大量精力，检查这些结果是否正确。对于习惯独立探索数学问题的研究人员来说，这种角色变化显然不容易接受。

OpenAI引发的争议尚未平息，另一场围绕AI数学研究的风波又接踵而至。

加州理工学院的一群本科生计划举办一场名为Mathathon的数学竞赛，鼓励参赛者使用AI工具解决长期悬而未决的数学问题。这些学生希望通过竞赛探索AI辅助数学研究的新方式，也试图在AI快速改变数学领域的背景下，寻找自己的位置。

然而，这项活动遭到了学术界的强烈反对。超过700名数学家和其他学者联合签署公开信，批评竞赛可能鼓励大量质量低劣、缺乏严谨性的AI生成内容。他们担心，如果参赛者大量使用AI批量生成看似合理的数学证明，最终会让学术界不得不投入更多精力检查这些可能存在错误的结果。

在争议不断扩大后，OpenAI退出了该竞赛的赞助。活动组织者随后对比赛规则进行了调整，竞赛目前计划于11月举行。

这场风波也反映出数学界正在面临一个新的问题。AI能够以极快速度生成数学推导和证明，但这些内容究竟有多少是真正有价值的研究成果，又有多少只是看起来严谨、实际上存在漏洞的错误答案？

如果缺乏有效的验证机制，AI带来的可能不仅是研究效率提升，也可能是学术审核负担的大幅增加。

在这场争论中，最引人关注的声音之一，来自著名数学家陶哲轩。陶哲轩现任教于加州大学洛杉矶分校，是国际数学界最具影响力的学者之一。他年少成名，20岁便获得博士学位，在多个数学研究领域取得了重要成果。

然而，面对AI越来越强的数学能力，陶哲轩最近也表达了复杂的感受。

他认为，数学研究的浪漫时代正在结束。过去，顶尖数学家可以花费数月甚至数年时间，独立探索某个复杂问题。从最初的灵感，到反复尝试，再到最终找到精妙的证明，这一过程本身就是数学研究最具吸引力的部分。

但随着AI能力不断提高，数学家的工作流程正在改变。未来，研究人员可能越来越多地需要检查AI提出的证明，而不是完全依靠自己寻找答案。这种变化虽然可能显著提高数学研究效率，但也意味着一些传统的研究体验正在消失。

陶哲轩的感慨发生在OpenAI宣布其模型又解决了700多道数学问题之后。面对AI越来越快的解题速度，即便是顶尖数学家，也不得不重新思考人与机器在数学研究中的分工。陶哲轩坦言，在这一过程中，有些东西正在失去。

与部分数学家的忧虑相比，奥尔特曼显然更加乐观。在斯坦福大学的演讲中，他表示，虽然AI正在推动企业调整组织结构和工作方式，但他并不认为未来会出现大规模的就业末日。他承认，数学领域受到AI冲击的速度确实比其他行业更快。但在他看来，这种变化不一定意味着数学家将失去职业价值。相反，数学研究人员可能需要重新定义自己的工作内容，将更多精力投入新的研究方向，以及人与AI共同完成的复杂任务。

奥尔特曼认为，数学界在短时间内经历的这场冲击，可能成为其他行业未来面对AI时的一种提前预演。只是对于那些真正身处其中的数学家来说，接受AI带来的效率提升，与接受自己长期珍视的研究方式正在发生改变，显然不是一回事。