新智元报道
我们完了，我们的领域结束了，得让研究生转专业。
在斯坦福商学院的一场访谈中，奥特曼说，一些数学家看到AI的表现后，第一反应就是如此。
10月6日，继宣布攻克纳维－斯托克斯难题后，OpenAI又一口气公开了700余篇数学手稿。
当AI开始大规模提交研究成果，人接下来做什么？
有人不敢相信：「这是假的。」
还有人满腔怒意，认为OpenAI不该这样做：如果这就是获得更多数学知识的代价，他们宁愿不要。
但奥特曼发现，在他听到的反馈中，一些人的想法大概到第五天就变了。
从担心整个职业消失，到重新找到自己的价值，中间发生了什么？
从「我们完了」
到重新理解自己的工作
奥特曼回顾了过去10天里他观察到的数学界反应，称这段过程「很有意思」。
最初是难以置信：「这是假的。」
到了第一天，恐慌涌了上来：「我们完了，这个领域结束了。」甚至开始劝研究生换专业。
再到第三天，满腔愤怒：「OpenAI这么做太糟糕了。」
但大约到了第五天，他开始听到另一些声音。
一些数学家重新意识到：自己的工作原本就包括理解知识、交流思想，以及把复杂的成果讲得让人看得懂。
多数人从未解决过千禧年难题，却依然可以作出重要贡献。
想通这一点，他们开始相信：
我的数学家生涯会有所不同，但希望会变得更好。
当然，「五天」的转变周期，只是奥特曼对一部分数学家反馈的概括，不等于整个数学界已经接受了变化。
他也承认，模型进步比预想中更快。
在数学推理等狭义领域，他认为「超级智能」已经出现。
但对于每天埋头研究的人来说：这场变化带来的感受，远比「超级智能来了」「奇点降临了」的兴奋与期待复杂。
陶哲轩
「浪漫时代」正在退场
奥特曼谈到了新的职业可能，陶哲轩则说起了这场变化中可能失去的东西。
一个人苦思多年，终于解开一道难题。
这种浪漫，正在被AI改写。
在10月15日发布的Numberphile访谈中，这位20岁拿到博士学位的UCLA数学教授陶哲轩谈到，数学正在从个人英雄式攻坚，走向大规模研究的时代。
他提起怀尔斯花七年攻克费马大定理的故事。
人们迷恋一门学问，也会迷恋其中的探索过程，以及苦思之后终于想通的满足感。
如今，AI开始批量交出证明。
研究者除了亲手寻找答案，还要花时间理解机器交来的成果。
在《Math 2.0》演讲中，陶哲轩指出，探索过程中获得的新认识、新方法，可能比最后那个答案更重要。
为什么原来的路走不通？新方法突破了什么限制？还能用来解决哪些问题？
这些收获，往往会影响后续一整片研究。
一道题解出来了，围绕它的探索还没有结束。
如果只盯着「谁先交出答案」，就容易忽略探索过程中那些闪光的想法和宝贵的收获。
装上自动门
门童就没价值了吗？
陶哲轩在UCLA的一次访谈中，讲了一个酒店的比喻。
一家酒店想节省开支，请来一位管理顾问。
顾问认为，门童的工作就是开门。于是酒店装上自动门，把门童裁掉了。
但顾问没看到，门童还会帮助客人、叫车、照看入口，让人感到安心。这些服务，同样影响着客人的体验。
这个比喻，戳中了一个常见的误解：
我们总习惯用一个「招牌动作」，概括一整个职业。
数学家解题，程序员写代码，编辑写文章。
标签贴起来很方便，却省略了背后的许多工作。
对数学家来说，「解题」之外，还有连接不同领域、培养下一代，以及教别人如何思考和解决问题。
其他职业也一样。
AI生成了一篇稿子，还要有人核实事实、选择重点，判断读者需要知道什么；AI写出了一段代码，还要有人确认它是否解决了用户的问题。
产出变得容易，判断什么值得做、结果是否有用，仍然需要人类后续工作的介入。
AI交卷之后
谁来把证明讲清楚？
这些后续工作，恰恰是陶哲轩在访谈中直言不满的地方。
在Numberphile访谈里，他提到，OpenAI的成果中有一两项，至少在他们目前看来，包含很巧妙的新想法。
但还有很多内容难以理解，尚未被仔细检查，也有出现错误并撤回的情况。
他直言里面会有好东西，也会有糟糕的东西，但我们还不知道各占多少。
他还抱怨，当时没有OpenAI的人帮助他们理解这些材料。在他看来，对方似乎认为工作已经完成。
成果发布之后，谁来解释关键步骤？谁来回答同行的疑问？发现问题后，谁来继续跟进？
当成果成批涌来，后续的理解与验证却没能及时跟上，数学有点「消化不良」了。
10月15日，Simons基金会宣布联合OpenAI、Anthropic，承诺合计1500万美元资金及资源，支持数学家检验、理解和拓展AI成果。
这些支持，也可以看作对陶哲轩所提问题的一种回应：AI实验室发布成果之后，还需要为后续的检验和理解投入资源。
陶哲轩也看到了新的研究机会。
在UCLA访谈中，他设想，把一种方法应用到上万个问题上，系统观察它在哪些情况下有效、在哪里失效。
过去，很难组织足够的人手完成这样的探索。
有了AI，研究者可能开展以往难以实现的大规模研究。
令人着迷的研究方式正在改变，新的可能也在出现。
AI越聪明
人越要学会判断
聊到学生应该学习什么时，奥特曼讲起了自己小时候的经历。
老师要求他学写作，他回答，自己不想成为作家，想当数学家。
老师告诉他，写作也是学习思考、组织思想的工具。
即便长大后不写东西给别人看，这种训练仍然有价值。
奥特曼借此强调，那些帮助人思考的技能，依然值得学习。
这与陶哲轩对学生的提醒相呼应：如果尚未理解一门学科，就无法检查AI的答案是否正确。
答案可以由AI生成，判断力仍然需要自己练出来。
对于即将开始职业生涯的学生，奥特曼依然乐观。
他认为，变化最剧烈的时候，也可能给有想法、有动力、掌握新技能的人提供更多机会。
他的建议是别只追逐五年前流行的方向，去做新的事情。
但他也承认，大量工作任务和部分岗位会经历剧烈调整。
从「我们完了」到重新寻找方向，观念的转变或许只需要几天。
新的工作怎样做、贡献如何评价、新人如何培养，却需要更长时间去摸索。
数学家面对的问题，已经摆到了更多人面前：
当AI交来一份看似漂亮的成果，你能看懂它、指出问题，并决定下一步值得做什么吗？
参考资料：
https://www.youtube.com/watch?v=anAmTGcewX8
https://www.businessinsider.com/sam-altman-openai-mathematicians-math-disruption-navier-stokes-2026-10
https://www.businessinsider.com/math-ai-tools-openai-terence-tao-ucla-2026-10
https://www.scientificamerican.com/article/the-inside-story-behind-openais-million-dollar-math-proof/
https://www.youtube.com/watch?v=bAnwMdfcMVw&t=10s
编辑：元宇
热门跟贴