这篇杂谈灵感来自于算术几何学家Álvaro Lozano-Robledo发表在陶哲轩博客的一篇文章What should we tell our students?。主要亮点在于作者引用了一个数学思想的凸包模型用于说明ai能将不同领域已有的思想重新组合。不过我并不是很想谈论这个，我想借着文章中几个问题看看我的看法。

AI 会超越所有人类数学家吗？

无论如何，暂时没有任何一个通用人工只能达到与人类同等智力水平（下围棋那位可没有宣称自己通用）。究其根本或许AGI 的定义存在缺陷，因为人类本身也并不具备真正无限制的通用性AI Must Embrace Specialization via Superhuman Adaptable Intelligence。（里面谈到人工智能研究更应该关注系统学习新任务的速度、适应能力以及超越人类专业能力的潜力。）又或许如[From AGI to ASI](From AGI to ASI所说人类也可能通过大规模复制、加速运行和组织这些 AI，构建出超越大型人类专家组织的超级人工智能。

不过不管这两种说法哪一种正确，我都并不认为短时间内能达到两文中对于ai未来形态的金标准，目前的架构仍然集中在transformer,这意味着AGI定义的缺陷始终存在，而行业对于递归自我改进还在起步阶段又意味着ASI的发展遥遥无期。AI 超越所有人类数学家就此看来是一个未来的概率叙述，比他更重要的反而应该是今晚吃啥。

未来只有最聪明的人才能研究数学吗？

我们不妨先回来讨论openai新发布 的722篇数学论文，如果我们按照A-D四档分类的话，A属于常规成果，BC具有顶刊水平（人类数学家一生只能完成几项BC类成果），D则为准菲奖级。那么按照解析数论学家Abhishek Saha的判断绝大部分文章都属于BC级，只有准黎曼猜想属于D级。

回到那个纯人类数学研究的时代，大部分人一生的研究都属于AB类，只是对于数学的缝缝补补与再阐释，真正最聪明的人只在少数，向来如此，过去人们不曾怀疑，为何未来需要怀疑呢？或许ai的加入正是未来改变学术标准而来，但是它并不能改变行业内人才智力水平的分布规律。

数学家还有就业前景吗？在还值得攻读数学博士吗？

Álvaro Lozano-Robledo在这里阐释了他对经费的理解，我们不妨进一步讨论。数学家本身就是靠天吃饭的那一类人，他们的绝大多数成果无法转化成工业实践，因此极大程度依赖于经费过活。就前景而言未来的数学家似乎需要更多的算力支持，而经费的拨款实际上只取决于大方向上对于数学基础研究 的投入，环境的变好变差都是有可能的。不如搞点应用数学，不用受制于人多好。

教育和整个评价体系的滞后是暂时的，因为它根本性的脱离了行业发展。在整个机器意识到问题之前仍然有数年的窗口时间，这段时间似乎是利好所有人的。对于想混的人通过ai随便写几篇文章即可轻松毕业，所谓用清朝的剑斩明朝的官。而对于认真做学术的人，这更是黄金时代，试问谁不想亲手缔造新朝的规则呢？

不过风险也是同时存在的，谁也无法预测窗口存在的时期有多长。Álvaro Lozano-Robledo对于这个问题的回答很简单，如果读数学只是因为想读数学，你就应该去读。这或许是对的，但是你有如何量化热爱呢？对于数学博士来说谈热爱又有什么意义呢？我们在讨论一项技术的时候不应该把我们的所有未来都押注在虚无缥缈的热爱上，因为热爱无法量化。也不应该押注在技术上，因为师夷长技未必能制夷。那么究竟什么是答案，我不知道，Álvaro Lozano-Robledo也不知道，或许没人知道。