当AI让深定理不再稀缺：数学的价值标准需要重新校准
核心概要
这篇由Bryna Kra撰写的客座博文以Nivat猜想为例，指出AI已大幅降低生成复杂证明的成本，使数学界收到多份据称证明该猜想的手稿，而作者认为证明不只是正确性证书，更是理解、解释与集体知识，因此数学界需要重新界定发现、证明、形式化与阐释的价值并调整激励结构。
深度剖析
AI降低了产出复杂证明的成本，使深定理不再稀缺，从而削弱了以定理产量衡量深层思考的旧机制。 作者把这一变化定位为对数学评价体系的冲击，而非单纯的技术进步，并指出“机器产出解的速度快于数学界阅读和消化它们的速度”。 这是基于作者亲身经历的观察性论述：她本周收到多份据称证明Nivat猜想的手稿，部分作者承认使用AI润色英文或检查证明，且无人接受Zoom解释邀请。
Nivat猜想是组合学与动力系统交叉处的长期难题，作者与Van Cyr在2012年给出部分结果，Kari与Szabados随后提出代数式方法，两种路径之间缺少概念桥梁。 作者以自身研究史说明该问题的难度与两条技术路线的并存，并指出前沿模型擅长综合不同方法，因此该猜想被提议纳入Google DeepMind的Formal Conjectures项目。 属于作者对自身研究脉络的回顾性叙述，包含2012年部分结果与Kari–Szabados方法的具体描述，但未给出完整证明或新定理。
证明不只是“某件事为真”的证书，而是故事、图景、洞见与解释，能开启新方向并进入共同体工具箱。 作者引用Bill Thurston 2010年在MathOverflow的说法“数学的产物是清晰与理解，而非定理本身”，把这一立场用于评估AI生成证明的意义。 属于规范性论证与引文支撑的观点，不依赖实验数据，其说服力来自作者在数学共同体中的经验与对证明功能的界定。
现有期刊发表、招聘与评奖机制、以及依赖少数审稿人的同行评审，无法应对AI带来的投稿量，需要区分并承认发现、证明、形式化与阐释的不同贡献。 作者提出“产出论文已不够”，作者必须能解释证明机制与到达路径，阐释应成为重大智力成就的重要组成部分。 属于对制度现状的诊断与改革倡议，基于作者对审稿负担、青年研究者激励与深度反思时间减少的观察。
启示与展望
这篇文章面向数学共同体及关注AI对知识生产影响的读者，适用于AI已能生成看似完整证明手稿、而评价体系仍以定理产量为核心的场景；作者欢迎AI生成证明并认为纯人类证明将变得罕见，主张把AI负责任地纳入数学实践。
作者明确说“一个被提出的证明不是定理”，因此那些据称证明Nivat猜想的手稿是否正确仍未知；读者仍需关注AI生成证明的可验证性、作者能否解释证明机制、以及共同体如何在不淹没审稿人的前提下区分发现、证明、形式化与阐释。