这篇 11 月 1 日刊在陶哲轩博客上的客座文章，作者是数学家 Frank Calegari。他回应 AI 参与数学研究带来的焦虑，也承认错误论文、归属混乱和糟糕写作是真实问题。他的核心判断是：少数著名猜想标记了当下研究的边界，却不等于整个数学的终点；如同知道元素周期表，也不会让化学失去研究空间。
他用有限单群分类说明，解决一个长期问题之后，还会出现对结构、联系和成因的新追问。工具若降低跨领域背景知识的准备成本，研究者可以尝试更宽、更有野心的问题。但这种机会需要人真正理解所获得的证明，知道它为何重要，能从中提出下一步；仅有流畅的数学表达并不够。
由此，他把“做出贡献”从最先提供某一步证明，扩展到选对问题、消化完整结果、建立联系和发展方向。他主张评价研究时假定 AI 辅助已经存在，降低单纯论文数量和抢先发表的权重；招聘可以通过深入交流了解候选人的理解，期刊更重视解释和联系，研讨会也可容纳尚未解答的大问题。
这些是关于学科目标与制度的规范性主张，不是对 AI 数学可靠性的实验结论。原文的乐观并非“理解已经不重要”，恰好相反：当证明步骤更容易获得时，判断什么值得研究、理解结果及其后果会更加重要。