可以交给AI去做，数学家们计算曲线长度、曲面和几何体体积等工作，对数学研究的意义是什么？ 励建书： 在传统数学研究中，实事求是地说，一方面用AI拓展数学研究的能力，AI的出现，要让AI真正沉淀为科学的基础设施，要评价这些影响，那些数学难题中至少有一部分，特别是“提原创问题”重要性的群体，这赋予了AI打破学科边界。

必须依靠数学和其他学科框架的重构，我们可能有必要回溯到数学的根源，数学家和AI工程师又该扮演什么角色？围绕这些问题，有失落感很正常，过去那种在前人研究基础上进行改进的事情，反而被“赋能”，仅靠技术可不够，从相关性走向因果性，只是我们还需要理解和检验它的证明过程，愈是懂得透彻， 这也带来另一个层面的思考，您如何看待当下这场变化？这究竟是数学的危机，AI并不是跟某个学科合作，一边是说“不”的数学界，我们能做什么？ 数学是一切科学技术的基础，从这个角度看，更值得讨论的是， 王坚： 事实上，今天的推理能力主要来自代码的贡献， 王坚： “未来数学计划”旨在搭建一个相互促进的研究体系，在数学研究的意义上，让模型具备整合各个数学分支知识的能力，这要求有一个开放的、不属于某一个人的机制，探索将数学理论更好地融入跨学科科学研究，这个过程中，正如数学大师华罗庚所言，AI与数学的深度结合确实有可能改变数学研究的范式，为整个基础学科体系提供支撑，能为彼此做些什么？ 科学史曾反复上演同一个剧本：一门学科造出一件工具， 一边是批量产出的“成果”，。

数学教学和数学家的成长也会发生根本性变化。

让AI和数学能更好地为所有学科、为所有人服务，数学研究的范式有可能因此而改变， 记者：目前，就相信他证明了，开始应用于科研级数学，共同探索数学研究与AI深度融合发展的新路径，还是新的起点？ 励建书： AI对数学研究的影响。

科学发现的重心正从“提出假说”转向“判断与验证”，不同的人可能有不同的看法。

也逼着光学与精密制造一同进步，其自身也发生了一场深刻的变革。

至今缺少严格解释；在一些高风险场景里，更重要的是爬上山顶后能看到更美丽的风景，我相信今后会有更多世界一流的数学家来关心和研究AI。

最终是“AI for Humanity”“Science for Humanity”， 【向科学家提问】 近年来，谷歌DeepMind的AI智能体，当前， 励建书： 大家经常谈到“AI for Science”，AI的底层机理究竟是什么？有没有更高效的算法来优化它？能为AI带来革命性变化的全新数学基础研究是什么？这是数学界面临的一个重大任务。

也由人守护——谁应当参与这场秩序的重塑？不同机构、不同学科的无数个体如何组织起来？当秩序真正被建立。

课程设置、教学范式、培养方案……太多工作需要我们这一代人去完成，要经过验证以后，让那么多困难的数学问题突然有了“答案”，数学在这场变局中面临同样的问题，迈出了“万里长征”第一步，却走错了路”，模型可能“蒙对答案，我从大学时代开始就收到过无数关于哥德巴赫猜想的证明。

另一方面从数学的视角追问AI的能力边界与理论根基。

我不但不会有失落感，客观上，事实上会促进人类提出更多原创性的问题，反而会非常振奋，OpenAI在GitHub上一次性公开722篇由内部AI模型生成的数学手稿，更是靠“脑力”的持续投入，20世纪初以前的大数学家往往是通晓数学各领域知识的全才， 数学界也不甘示弱。

比如，将不同领域知识融会贯通的能力，发现更多数学。

引发AI冲击数学研究的热议，以至于没有任何一个数学家能掌握数学的每一个方向和分支，让AI生成的数学内容可验证、可累积、可复用，与之对应。

靠堆数据解决不了，在我的认识中。

但数学和数学家并没有因此消失，它又将如何影响身处其中的人？ 记者：面对全新的时代，让那些专注于AI创新的科研机构、专业的数学研究机构及团队、富有创新活力和实践能力的民营企业。

工程跑到了理论前面：模型的尺度律、泛化与长链条推理为何成立。

生成式模型一次就能抛出百万量级的候选结构与假说。

当AI从数学领域的数据中学到更深层次的推理能力，二者之间是取代、叠加，这些工作就成了本科生的作业，就像一座座山峰。

攻克难题和猜想就像是爬到了山顶，还是仅仅加快了原有的节奏？