三年前，AI 系统甚至无法可靠地完成两个数字的加法；一年前，OpenAI 和 DeepMind 的内部模型在国际数学奥林匹克竞赛（IMO）中达到相当于金牌水平的成绩。如今，这些系统能够自主解决重大未解问题。这一发展趋势迫使我们必须彻底重新思考数学职业，因为数学文本的产生正日益与数学理解脱节。

Litt 指出，数学界对数学的目标缺乏共识——究竟是解决问题、诗意的玩耍，还是传递理解——但他强调，当前的运营方式，比如重视定理证明，在 AI 能够生成正确证明却缺乏人类理解的情况下是不完整的。他警告说，如果学术机构不进行适应，尽管 AI 具备能力，数学进步的平衡也可能停滞。

为了应对这一问题，Litt 提出重新概念化数学博士学位：该学位应主要基于严格的答辩来授予，在这种答辩中，学生需要向考核者解释一个深入的主题，直至他们感到满意，而不仅仅依赖书面论文。这一转变将确保专业知识通过理解和交流来体现，而不论底层结果是否由 AI 辅助生成。他还主张将口头评估延伸至研究生招生，以此类比现有的教职招聘面试，并培育健康的研讨会文化，在这种文化中，演讲者必须让听众对其主题感到满意。

这些改革旨在保持数学的人文方面——理解、解释和社区对话——同时承认 AI 将继续生成大量数学文本。Litt 强调，数学的价值不仅在于真理陈述本身，而在于能够与之互动并在其基础上构建的能力，这一目标需要有意识的制度变革。