功能强大的人工智能在数学领域迅速崛起，提出了一个看似简单的问题：如果机器发现结果和验证结果的速度都快于人类，为什么还要保留由人类数学家组成的学术共同体？罗博深的回答并不是说人类仍将在计算能力上占优，而是说，单凭数学能力无法决定哪些工作值得投入关注、结果应当如何使用，以及当自动化系统影响社会时由谁继续承担责任。
罗博深在陶哲轩网站刊登的一篇客座文章中提出了一条治理公理：人类机构使用人工智能的方式，应当有助于人类繁荣发展。按照这一优先原则，人类专家必须继续对重大决策保有实质性的权威。他认为，在数学领域，这种权威不能只交给已经离开一线或仅具象征意义的专家。研究人员必须保持前沿水平的实践能力，才能评估新系统、确定研究方向，并判断人工智能生成的结果何时具有重要性。
现实中的核心关切是大规模监督。罗博深预计，人工智能将加快研究、软件开发、基础设施管理和安全工作，从而产生更多需要专家审查的系统和决策。如果每个领域都坚持由具备能力的人类进行引导，那么，即使人工智能承担了更多常规工作，对理解这些系统的人才需求仍可能增长。这正是他那项引人争议预测的基础：先进人工智能创造的必要人类岗位可能多于可用劳动者，并最终拖慢自身的部署速度。
这一预测只是一种可能情景，并非已经确立的经济规律。所给文章没有提供劳动力市场模型、生产率数据，也没有估算未来系统需要多少监督岗位。人工智能也可能减少每个控制点所需的人员，将专业知识集中在少数机构中，或者使监督需求的增长速度快于教育系统培养合格人才的速度。这个论点只确立了一种可能机制——自动化程度提高，可能增加需要治理的系统数量——并没有确定就业净效应的方向或规模。
数学能够清楚地区分得出答案与理解答案意义这两件事。人工智能或许可以搜索庞大的猜想空间、生成证明，或汇集一座由机器编入索引的数学成果库。即使这些输出全部正确，人类仍须决定提出哪些问题、采用哪些假设才恰当，以及哪些后果足以促使人们采取行动。罗博深的立场是，作出这些判断需要仍在积极参与实践的研究者，而不是只能阅读现成解释的人。
这并不意味着每位数学家都必须在符号操作或证明搜索方面胜过人工智能。它指向的是一种不同的劳动分工：机器可以扩大可求解问题的范围，而人类则保持概念判断力、解释结果、讲授基础思想，并决定数学知识应当如何服务于公共目标。这一论点也没有说明，监督工作需要达到多大程度的理解，以及机构能否培养出足够多具备这种理解能力的人。
罗博深还将同一问题与安全工作联系起来。他描述了人工智能辅助的攻击，并警告说，自主程度不断提高的系统可能在整个互联基础设施中制造新的漏洞。这些例子支持采取谨慎的隔离、监测和专家审查措施，却不能证明他那项更广泛的结论，即人类失去控制不可避免，或减缓人工智能发展是唯一有效的应对方式。安全事件可以成为加强防护的理由，但不能证明一项普遍适用的劳动力预测。
这篇文章还明确交代了自身的来源。陶哲轩指出，这是一篇由罗博深撰写的客座文章；文章文字由罗博深本人完成，未经过人工智能生成；页面设计、版式、部分标题和摘要则使用 Claude Code 生成。罗博深网站上的插图版呈现了相同的核心论点，因此它只能佐证作者身份和措辞，并不能对这一论点进行独立检验。
因此，最有力的结论比标题所暗示的范围更窄。我们可能需要人类数学家，是因为社会必须决定提出什么问题、信任哪些结果，以及知识应当如何治理——而不是因为人类总会更擅长解方程。这种需求是否会转化为广泛的就业机会、更缓慢的人工智能发展或持久的人类控制，仍然没有定论。罗博深提出了一个保留专业知识的连贯原则，却没有提供经验证据证明各机构能够或将会落实这一原则。