人类数学家未来如何应对AI带来的挑战？

　　一、危机本质：从证明稀缺到证明过剩

　　AI实绩惊人：5月28日"FirstProof"第二批评测中，4套AI系统在受控条件下攻下10道研究级新题中的7道，单题成本仅10至1000美元；5月，OpenAI模型还推翻了悬置80年的埃尔德什单位距离猜想。

　　范式反转：几千年来数学的荣誉体系都建立在"证明稀缺"之上，第一个解决者拿走全部荣耀。当AI可以批量生成正确证明，"抢先发表"这一黄金标准将彻底失效——这就是陶哲轩所说"价值观的地基"被动摇。

　　消化不良：AI加速了证明的生成与验证，但"理解"环节速率是生理性的、无法被算力加速，导致验证速度、阐释能力和共同体消化能力全面失配。

　　二、人类数学家的新角色：从解题者到阐释者与裁判

　　阐释者：AI生成的证明往往"光滑无痕"，在简单处冗长、关键处一笔带过，因为它没经历过"卡住"的感觉，不知道哪里会让人卡住。人类专家的核心职责是补上"挣扎的痕迹"——提取核心逻辑、写成可被同行消化的"人话"版本。

　　裁判与策展人：陶哲轩给出的新经验法则是"讲不明白，就别发表"——如果作者不能就成果做一场清晰、专家级、正确且归属得当的报告，这个结果就不应发表。数学家的能力正从"证明创造"转向"问题筛选"与"意义判断"。

　　人机协作：AI是"一个平庸但不至于完全不行的研究生"，可以派活但每一步都需人类把关；数学家共同体的接受是一个外部过程，无法由作者和AI工具单方面优化。

　　三、制度重写：规则、教育与免责

　　透明披露：论文必须明确披露AI使用情况和算力资源，让负责任的披露成为常态，避免"人人偷用、集体装没用"的最坏情形。

　　人类负全责：无论使用多少AI，正确性和引用的责任完全归于人类作者；优先支持形式化验证（如Lean等证明助手）以降低审稿负担。

　　评价与教育转向：降低"第一个解出"的权重，提高"消化""阐释"的权重；教育不再比拼计算速度，转而培养AI无法替代的抽象思维、问题建构与批判性思维。陶哲轩最深的担忧是：如果AI替代了研究生解决"训练题"级别的项目，论文出来了，但下一代科学家的训练就断了。