**AI 产出新数学的速度，已超过数学界理解的速度**
OpenAI 突然在 GitHub 上公开了一批由内部未发布的前沿模型生成的数学研究成果，共计 722 篇。这些成果涵盖了数论、代数几何、分析、组合数学等多个方向，部分还配有 Lean 形式化证明。这一举动引发了数学界的巨大震动，30 多位受访数学家形容这种感觉为“令人震惊”、“前所未有”甚至“疯狂”。
**验证成为新的瓶颈**
面对如此庞大的成果洪流，数学界陷入了难以消化的困境。正如康涅狄格大学数学教授 Álvaro Lozano-Robledo 所言，仅仅浏览完整的摘要列表就已让人感到不堪重负。虽然 OpenAI 承认这批手稿处于不同的验证阶段，且只有约 42% 完成了形式化验证，但即便拥有 Lean 代码，研究人员仍需耗费大量时间进行人工复核，以确保证明的准确性和逻辑的一致性。伦敦帝国理工学院数学教授 Kevin Buzzard 指出，许多结果虽然看似重要，但并未完成形式化验证，这让他不得不在阅读可能包含错误的“垃圾内容”和等待他人验证之间做选择。甚至有研究者利用自建系统发现了 OpenAI 生成论文中的错误，这表明验证工作正变得更加复杂。
**成果质量参差不齐**
在大量“垃圾内容”的担忧之外，受访数学家普遍承认，这批成果中确实包含了一些分量极重的工作。斯坦福大学数学家 Jared Duker Lichtman 认为，其中可能有数十个足以支撑菲尔兹奖竞争者的结果，例如对黎曼猜想、霍奇猜想及四维 Kakeya 猜想的推进。然而，并非所有论文都达到学术标准。许多论文存在引用缺失、逻辑混乱、难以理解的问题，甚至有论文异常简短，可能忽略了重要的背景。这种质量参差不齐的现状，使得数学家们难以在短时间内判断哪些是真正的突破，哪些是平庸之作。
**职业路径受到冲击**
更严峻的是，这场成果爆发对数学界，尤其是年轻研究者造成了毁灭性的打击。纽约大学数学教授 Tristan Buckmaster 表示，OpenAI 的发布摧毁了一些职业早期数学家的研究路径，甚至让某些完整的研究项目失去了继续推进的意义。圣安德鲁斯大学数学教授 Colva Roney-Dougal 表示，她认识的一些同行原本已围绕相关问题准备好基金申请，但核心研究目标被直接抹去。ETH Zurich 数学家 Simon Machado 也指出，对于那些科研经费即将结束或正在找工作的青年学者来说，原本赖以建立职业生涯的问题随时可能被 AI 解决，这种不确定性极具破坏性。
**AI 不会停下脚步**
尽管 OpenAI 成立了数学与人工智能咨询小组，并承诺提供研讨会和更新仓库，但数学界最焦虑的是 AI 公司不会停止前进。OpenAI 明确表示将继续使用内部前沿模型测试数学难题，AGMAI 也称这仅是第一步。面对这一趋势，数学家们意识到，未来的数学研究将不仅包括发现新定理，更包括对 AI 生成成果的解释、验证和整理。正如 Scott Armstrong 所比喻的，如果 AI 像外星人一样留下这些成果并消失，人类可能需要花费数年时间才能消化它们。数学家需要从“发现者”转变为“解释者”，重新定义在 AI 时代学术奖励体系中的角色。