蒂莫西·高尔斯本人也是一位菲尔兹奖得主，他发表了一篇博文，解释了自己为何拒绝在25位菲尔兹奖得主联署的关于人工智能对数学影响的公开信上签字。该信认为，人工智能批量生成“真/假”命题可能“摧毁肥沃的土壤，而非为新思想注入生机”。高尔斯承认危机确实存在，但给出了不同的诊断。
高尔斯以一段个人经历开头：11岁时，他尝试攻克费马大定理，自行发现了差分数列，并通过观察发现，从n次幂出发逐次作差最终会得到常数列。他从未将其转化为严格证明——但这段经历教给他的东西比正规教学更多。他以此印证公开信本身的前提：人们从与问题搏斗中学习，无论是否最终解决。
他的核心论点是，这封信默认将一种数学性情置于另一种之上。高尔斯描述了一个谱系：一端是以解决问题为主要动机的数学家，他们将概念理解视为达成目的的手段；另一端是以概念理解为主要动机的数学家，他们将解决问题视为达成目的的手段。他担心，公开信的表述——“解决问题只是实现概念理解这一首要目标的工具和代理”——暗示“正确”的态度是优先理解，这将默认宣告很大一部分数学家的性情是“错误的”。
他对比了两种情景。其一，公开可用的AI模型在解决问题上几乎超越所有数学家；答案涌现的速度超过社群的吸收能力，且往往无需任何人类努力——只需“谢谢，请继续”之类的提示。其二，一项国际协议阻止强大模型的公开发布，科技公司内部的数学家仅在受代表机构请求时才解决问题。高尔斯比较了二者对个人与集体理解的影响，但未得出确定结论，而是抛出难题：哪个目标更重要——高级的集体理解，还是尽可能多地给出答案？而“重要”又对谁而言——数学家还是社会？
高尔斯披露，他与OpenAI数学团队有联系，曾获得其模型的早期访问权限并使用过其Pro模型——但从未从OpenAI获得报酬。他还指出，他的剑桥团队通过研究人类如何证明定理来从事自动定理证明工作；而无需这些洞见就能证明定理的LLM的崛起，正是他所谓的“苦涩的教训”——这是他的团队一直知道有可能发生的情况，尽管其速度仍让他们感到意外。
仍不确定的是：高尔斯明确邀请对他的主张提出反驳——在一个AI代替人类寻找证明的世界里，对证明的深度个人参与或许并不必要。他也没有解决支持数学结果“消化”的社会结构是否可以被替代——这是公开信签署者含蓄提出的关切。