标签
Frank Calegari 在陶哲轩的博客上以客座身份发文，主张数学家应拥抱AI的飞速进展，而非因OpenAI发布700多篇数学研究论文而感到沮丧，并将这一时刻比作1980年代有限单群分类的完成。
一篇文章探讨了来自 OpenAI 和 Anthropic 的尚未公开发布的前沿 AI 系统如何形式化了费马大定理、攻克了 Navier-Stokes 问题，并瞄准了克雷数学研究所的千禧年大奖难题，这在数学家中引发了对人类研究未来的焦虑与深刻反思。
《科学美国人》详细披露了 OpenAI 声称解决百万美元千禧年难题（Navier-Stokes 方程）背后的内幕故事，包括涉嫌挪用数学家 Tristan Buckmaster 研究成果的争议，以及 OpenAI 内部模型通过一条意想不到的推理路径解决问题的过程。
超过1000名人类数学家签署了一项承诺，将在研究中避免使用AI。批评者认为，在数学研究中AI应用日益增长的背景下，此举不过是一种新卢德主义的姿态。
顶尖数论学家对OpenAI人工智能生成的类黎曼猜想证明越来越有信心，Terence Tao还发表了对Ben Green相关简化工作的阐述，这标志着数学界开始独立评估AI生成的前沿数学成果，是一个显著的转变。
菲尔兹奖得主John Pardon表示，AI如今已完全理解他最混乱的数学证明，能发现细微错误，甚至能证明非平凡的结果——这与他仅仅一年前的观点完全相反，他称这一进展对数学而言将改变世界。
3Blue1Brown（Grant Sanderson）发文论证：即使 AI 在证明生成上全面超越人类，数学的价值链和资金链也几乎不受动摇，真正改变的是文化与功劳分配，因此现在恰恰是进入数学最好的时候。
一篇由形式化领域顶尖研究者（Jeremy Avigad、Kevin Buzzard、Johan Commelin、Rémy Degenne、Kim Morrison、Oliver Nash、Adam Topaz）撰写的客座文章，反思了人工智能在定理证明方面的飞速进展，对仓促开展的大规模形式化项目（如 Math, Inc. 的球体填充项目以及 Anthropic 对费马大定理的验证）提出警示，并勾勒了一个由社区驱动、追求高质量的数学形式化愿景。
菲尔兹奖得主陶哲轩在 Numberphile 访谈中讨论数学正从"证明稀缺"走向"证明丰饶"的工业化时代，AI 公司与学术界的激励机制错位，以及人类理解被边缘化的风险。
Derek Thompson 探讨 OpenAI 在数学领域取得突破性成果后，数学界所经历的震惊与悲伤，反思人工智能对人类智力与自我价值的冲击。
一篇评论，质疑仅靠 AI 生成证明能否取代数学家，并将 Anthropic 的费马项目和 OpenAI 发布的数学成果，与可靠地解释新结果并建立其间联系这一更艰巨的挑战进行对比。
帖子指出，Terrence Tao 在加州理工的演讲被社区误读为反 AI，实际上他呼吁为 AI 数学研究投入更多算力，并鼓励对前沿模型进行更具创造性的应用。
文章抱怨AI实验室在利用数学家验证AI生成的定理和证明，却不提供相应的免费API token资源，呼吁实验室为数学验证工作提供支持。
一条推文称 Anthropic 的 Opus 5.5 仅凭一个提示和论文页面 URL，便将 OpenAI 的 722 篇 AI 数学论文浓缩成一段 92 秒的动态图形解说视频。
OpenAI 发布了一个新仓库，收录其未公开内部模型产生的 719 篇数学手稿（归为 372 个结果族），涵盖黎曼 zeta 函数零点区域、Mahler 猜想、自由群因子同构等前沿问题，其中约 42% 的结果已用 Lean 形式化验证，并附带部分推理过程摘要。
作者探讨 AI 在数学证明中的角色，质疑为何 AI 不能在生成证明之外，进一步理解、解释并推广证明背后的数学思想，而非仅停留在验证层面。
文章探讨了人工智能可能在多近的将来真正"解决"数学，以及仍存在哪些障碍，围绕AI驱动的数学推理这一前沿领域展开讨论。
OpenAI所谓的“倾倒式发布”——一次性公开数百个由AI生成的数学和计算机科学开放难题的成果——让数学家们既印象深刻又持怀疑态度：一方面出现了突破性的证明，另一方面关于这些成果如何产出的疑问依然存在。
本文观点认为，OpenAI 通过自有渠道而非传统同行评审发表 AI 生成的数学成果是合理的，数学家们的抱怨更多源于自我保全而非学术诚信方面的顾虑。
一篇评论文章，指出数学家数十年来以造福社会为由为纳税人资助进行辩护，如今却哀叹AI解决著名开放问题是在损害该领域及其社群，这一立场被视为虚伪。