导师扔过来一句话：这道题让 AI 做吧。数学研究生的手机一震，屏幕上写着 OpenAI 刚发布了 370 个数学证明。那孩子放下筷子想了想：我到底在练什么？
据 X 博主 Rohan Paul 转述，这事不是小道消息，是 UT Austin 计算机科学家 Scott Aaronson 在 MTS 的 YouTube 访谈里说的。原话很直白：研究生感到恐惧，不知道当 AI 能解决他们本用来训练的问题时，该怎么建立职业。先别慌，咱把这事捋一捋。
听着像段子，其实背后是真慌。慌的不是哪一道题，是整份工作。AI 都能解了，那训练解题的人图什么？这就得掰开了说。
370 个证明是什么来头
先说清楚数字是几。370 是 OpenAI 的发布口径：AI 生成、并且经过检查的形式化证明数量。注意，不是「370 个新定理」。题本来就在那，AI 给出证明，人负责检查。这区别挺重要，网上标题爱写成「AI 自己搞出 370 个定理」，信了你就上头。
Aaronson 不是蹭热度路过的人。他自己博论文的题就叫「The Mathocalypse」，翻译过来大概是数学末日，专门研究 AI 的数学能力。访谈标题也是明着来的：OpenAI Just Solved 370 Major Math Problems。一个盯这个问题好多年的人说研究生慌了，这话值得停下来听听。
还有一条可写可不写：据网友转述，Aaronson 在访谈里提到，实验室当年被 Navier-Stokes 证明的敌对反应吓到过，现在手里还攥着几个没发布的数学解。这条没实锤，当茶喝就行。
「经过检查」这几个字才是重点。意思是这些证明过了验证流程，不是 AI 在那自己胡说八道。形式化、能检查，是数学里机器最容易咬准的那块。所以这次慌得不冤，有实底。
研究生的训练场被搬走了
数学研究生到底在练什么？说白了就是解题。导师抛个题，你磨一阵，卡住，重来，学期末强一截。那些题不一定写进论文，它是哑铃，练的是数学肌肉。题解多了，手感就有了，就这么朴素。
现在哑铃被收走了。导师出题，第一反应是先跑一遍 AI。解出来？行，验一遍证明。解不出来？好歹 AI 标出了你卡在哪。Aaronson 访谈原话的意思是，研究生最怕的不是不会解题，是本用来练手的题被 AI 解了，职业不知道怎么搭。
我就想问一句：练手的家伙事升级了，练出来的技能树也跟着变。导师的教法要更新，导师自己也在摸索。训练场没了搬到哪去？这不怪研究生，是问题来得比训练手册早。
更扎心的是，有的学生毕业论文正好就是「AI 一跑就会」的那种题。导师给的方向，磨一年出个结果，回头发现 AI 一个下午也差不多。论文还是能写，就是这一年不太算自己磨出来的了。这种落差是真的，别拿「AI 只是工具」去安慰，人家哑铃已经被拿走了。
慌的不是数学，是「证明即工作」
数学本身从来不是事。它早就有计算器、计算机代数、定理证明软件，人们一直喊数学要被取代，结果数学缺的从来不是能磨的手，是能看见的眼睛。
真正动摇的是「证明即工作」。老流程：题来了，人磨很久，证明提交，同行评审，发表。检查一自动化，中间那段的价值就被压扁。行业付费的不是那几个月埋头苦干的劳动，是最后那个「对」字的判定。中间越长，越不值钱。
反过来看，证明变便宜，提出问题的价值就变贵。哪个题值得做、哪条证明路径干净、哪个结果能落到应用里，这些事 AI 现在都不主动认领。工作没消失，是头尾都短了，中间那段没了。
所以变的到底是什么？是数学研究者的岗位说明书。以前是「我会解题」，现在是「我知道该解哪个题、知道 AI 的答案靠不靠谱、知道怎么挪到应用那边去」。原来藏在三年磨练里的找方向，如今成了单列技能，光会磨的人接不住。数学没变，岗位说明变了。
那研究生还能干什么
Aaronson 的话摆在那，答案其实不复杂，就那么几件事：提出问题、审查证明、做应用。提问题要你懂已经做过什么，审证明要你清楚 AI 爱在哪滑，做应用要你能走出数学圈，知道别人到底在解什么真实问题。
好消息是这条路不锁死在数学专业里。计算机、物理、金融，凡是要人验证的地方，都有「判断 AI 答案对不对」的位置。数学学生的优势是真被题磨过，知道证明里的坑长什么样，这手感机器暂时给不了。
要说最慌的，真不是数学专业本身，是那些把数学当成「磨过去就行」的人。哪个行当都一样，最容易被自动化吃掉的是最像传送带的那一段。谁早点找到活里不像传送带的那部分，谁就站得稳。数学只是先被掀了盖子。
所以那个数学研究生，筷子拿回来接着吃。世界没末日，就是哑铃换了个型号。再说句实在的，以后谁拿 AI 解题，头一件事多半就是找人验一遍对不对。这活儿它来了，别怪我事先没提醒。
