著名数学家 Terence Tao 对人工智能在数学领域的快速进步表达了紧迫感。在最近的一次采访中，Tao 形容目前处于一种“战时状态”，因为 AI 模型开始解决以前需要人类花费数年努力才能解决的复杂数学问题。这种担忧不仅仅是关于任务的自动化，而是关于实现数学进步的基本方式发生了转变。对于该领域的许多人来说，价值在于发现的过程——即为了达到解决方案而走过的“未被选择的路径”——而非最终结果本身。
这种紧张局势的核心在于获得解决方案与理解寻找该解决方案的方法之间的区别。当前 AI 发展轨迹的批评者认为，虽然模型可以产出正确的答案，但它们往往是通过对人类数学家来说可能难以理解的“逻辑跳跃”来实现的。这造成了一种情况：虽然解决方案存在，但人类丰富地探索问题的能力却被削弱了。一种观点认为，数学家正被“剥夺”了自行寻找解决方案的机会，因为直接获得结果就像一个“剧透”，会阻碍人们与问题进行更深层次、更具体验性的互动。
围绕这些发展的讨论凸显了 AI 开发的技术目标与学术研究的内在动机之间的分歧。虽然有些人认为 AI 最终将通过加速科学发现来开启更多大门，但另一些人强调，对于纯数学家来说，他们的工作往往是由对难题的“首次攀登”的渴望所驱动的——这是一种可能被自动化解决方案破坏的艺术形式。此外，关于当前 AI 的“崎岖前沿”还存在实际担忧：虽然它可以产生奇迹般的成果，但它也可能产生“有毒”或无关的输出，这使得人类在确保有意义、连贯的进步中充当必要的过滤器。目前仍不确定 AI 最终是否能为其逻辑跳跃提供可理解的解释，或者该领域是否将走向一种人类数学家主要负责解释“外星”系统输出结果的模型。