📄 文章探讨了人工智能在数学领域产生需要长期验证的想法（如伽罗瓦的直觉）的可能性。核心观点在于区分 AI 擅长的‘连接闪电’和需要创造新框架的‘建造山峰’的能力，并指出当前训练方法（如RLVR）难以捕捉缺乏即时反馈的洞见。文章强调了‘可磨性’的重要性，以及AI在写作、证明与理解上的局限性，并展望了未来数学家可能从定理证明者转变为对AI发现的导航者。
📄 著名数学家 Ken Ono 分享了他从最初对大语言模型的恐惧到重塑智能定义的深刻转变。他指出，在知识获取变得极其廉价的今天，真正的智能不再是事实的堆砌，而是创造新概念、跨学科模式识别以及人类特有的判断力。通过回顾印度传奇数学家拉马努金如何拯救其学术生涯的故事，他呼吁教育应回归保护好奇心与挖掘潜在“天才”的本质，而非陷于应试系统的恶性竞争。
📄 数学家陶哲轩创立Sair基金会，旨在推动AI for Science发展。他认为当前AI在科研领域存在随机性、不可靠性等致命弱点，并提出以数学的形式化验证作为核心解决方案，对抗AI的不确定性。陶哲轩强调AI应作为辅助者，而非主导者，并指出AI在创造力、持续学习能力和人机协作方面仍有待提升，公众对AI的认知也存在误区。