【別学数学了，赶紧转行去学炒菜吧，起码ai还不会顛勺。】

这种集体的惶恐並非杞人忧天。

在现代数学研究中，工作流程大致分为三环：

第一环是“生成“——提出假设、构造可能路径；

第二环是“验证“——推导逻辑、排查漏洞；

第三环则是“消化“——提炼新概念，將其融入人类已有的数学体系。

如今看来，前两个环节正面临被ai强势取代的风险。只要算力足够，ai能不知疲倦地进行“暴力穷举”和“逻辑检验”。就像用超级计算机去下围棋，它不需要“理解”棋理，只需穷举就能找到最优解。

而真正涉及数学审美、哲学內涵的“消化”环节，依然是顶尖数学家的专属领域。

这勾勒出了一幅令底层研究者感到刺骨的未来蓝图：顶尖大牛只需坐在办公室里拋出灵感，ai在伺服器农场里日夜试错验证，最后再由大牛来解读成果。

在这个“神明+机器”的新模式里，原本负责苦力验算的“学术牛马”们，似乎彻底失去了生態位。

……

不过，当徐辰拉到新闻底部，隨意扫了两眼附带的ai技术白皮书和推导源码后，原本挑起的眉头又放了下来，嘴角甚至浮现出一抹淡淡的哂笑。

“外界媒体还真是什么都敢吹啊。”

在外行看来，这ai简直就像是突然开了窍的数学神明。但在徐辰这种满级大佬的眼里，它的底牌一览无余。

这玩意儿根本没有產生真正意义上的“数学直觉“！它之所以能解决第281號猜想，说白了是因为研究团队事先为它划定了一条极其明確的证明方向。也就是说，他们已经用人脑帮ai减少了99%的搜索空间。ai做的，无非是在这个被精心限定的“迷宫“里，凭藉堪比超算的变態算力，用穷举法硬生生地趟出一条路。

换句话说，没有最初的方向限定，这台ai根本没有能力从天文数字般的可能性空间里，盲目地找到那条唯一的通路。

而且，徐辰敏锐地注意到，源码日誌里记录了中途大量的错误分支和重新演算的痕跡。这说明，儘管大语言模型降低了常规的幻觉率，但在处理复杂问题和触及人类知识边界的深水区时，ai依然会频繁失效，產生海量的逻辑噪音。

也就是说，看起来是“ai独立证明“，实际上更准確的描述应该是“ai辅助的人机协作证明“。ai做的，依然是那些“暴力计算“和“逻辑检验“的活儿，真正的创意和审美判断，还是得靠使用者的大脑。

由此可见，博士生们大概率还是安全的。哪怕ai真的进化到能自动化生成证明，它製造的海量“幻觉”也需要大量具备专业素养的博士生去进行提示、排雷和清洗。

就拿徐辰目前的课题组来说，他交给手下人的波利尼亚克猜想推导，复杂度极高，现阶段根本无法完全餵给ai。顶多是让博士生们把大问题拆解成无数个小模块，再用ai去辅助计算。

退一万步讲，就算未来ai真的能完全自动化推导出结果，人类依然需要去理解它的步骤。脱离了人类理解的真理毫无意义，只有人类掌握的知识才是真正的知识。这个庞大的“逆向工程”和验算过程，同样离不开海量的人力。

不过，ai发展日新月异，一些人才转型的阵痛肯定还是会出现的。但徐辰目前仍然只是个数学家，这种宏大的命题，还是留给教育学家去操心吧。

……