如果数学定理前面不再挂有人类科学家的名字了
我读这篇文章，最在意的不是数学定理以后会不会挂上产品名，而是一个更深的变化：提出问题、找到证明、核验推导、理解机制、分配荣誉，正在从数学家的一份工作，拆成不同主体承担的几份工作。
原文列举了多项据称由 OpenAI、Claude 完成的数学进展，其中不少仍处于待核验或有争议的状态。我把这些具体突破保留为原文所述的主张。它们引出的几个问题，却值得分开想清楚。
证明的产量上去了，裁决能力未必跟得上
按原文的描述，OpenAI 一次公布了数百篇数学手稿，涉及挂谷问题、准黎曼猜想、有理数上的希尔伯特第十问题等。随后又因一篇论文的错误，撤回了它和依赖它的另外两篇。
这件事揭示了批量生产证明的另一面：成果可以成批出现，错误也会沿着依赖关系传播。论文数量、模型的自信、题目的知名度，都不能替代核验。
形式化证明提供了一条重要路径。把论证写成 Lean 等系统可以逐步检查的形式，能减少人靠阅读发现推导错误的负担。原文用开普勒猜想形式化耗时多年，与其所述 AI 证明的快速形式化作比较，强调的就是这种效率变化。
但我认为，这里至少有三件不同的事：推导能否通过检查，形式化表达是否准确对应所讨论的命题，以及成果是否经得起独立审查。完成其中一件，不能默认另外两件也完成了。
当生成速度超过共同体的消化速度，稀缺的就不再只是证明，而是可靠的裁决。
满足题面，不等于满足提问的好奇心
原文关于纳维—斯托克斯问题的争论，比“AI 有没有解出大奖难题”更有意思。
据原文所述，官方题面允许几种不同情形，OpenAI 声称解决的是有外力条件下的爆破问题，而不少研究者更关心无外力时流体会怎样。
我的判断是：如果证明成立，而且确实满足正式题面，就应当承认它解决了相应的问题。不能因为答案没有走上大家期待的那条路，事后改变标准。
但承认答案，也不意味着所有好奇心都得到满足。人们可能仍然不知道，无外力的情形会怎样，究竟是什么结构决定了方程的行为。
数学上的爆破，也不能直接翻译成现实中的一杯水出现无穷大的速度。它首先涉及方程及其适用边界，物理世界还要面对连续介质假设何时失效的问题。
原文所述的准黎曼猜想则展示了另一面：一个结果即使没有抵达最终猜想，也可能已经足够支撑大量应用。离终点还有多远，与现在能产生多大价值，是两种评价。
正确的证明，还需要变成可理解的知识
原文讲了一个很有启发性的过程：Claude 据称给出了一份技术繁复的证明，随后数学家用更简单的概念框架重新证明，并在此基础上继续推进。
如果这一过程如文中所述，那么后来的工作绝不只是替机器整理文字。把复杂论证压缩成清晰机制，本身就是数学贡献。
我理解的“懂”，是知道哪些条件真正起作用，为什么这些步骤有效，哪些部分可以推广，以及下一步值得往哪里走。一份能通过检查的长证明，未必直接提供这些东西。
原文把这与拉马努金作对照：拉马努金留下许多没有证明的公式，后人补上论证；机器可能交出完整却难懂的证明，后人还要提炼思想。两种情形都说明，结果出现以后，知识生产远没有结束。
机器提高了解题效率，人类如何把成果转化为能够学习、解释和继续创造的知识，就变得更加重要。
从人名到产品名，改变的是声誉流向
数学定理上的名字，既记录贡献，也提供一条学习路径。顺着名字，可以找到论文、方法和一群长期研究相关问题的人。当然，这套记录从来不完全公平。
当署名变成公司或产品，变化就超出了称呼本身。
个人获得声誉，通常会转化为职位、经费、学生和后续研究机会。公司获得声誉，则可能转化为产品吸引力和商业回报。两者会影响各自选择什么题目、以什么节奏公布成果。
我担心的不是企业参与数学，而是激励能否覆盖完整的研究过程。攻克著名难题容易获得注意，复核证明、解释机制、整理基础工具，却未必获得同样的回报。
如果实验室收获了突破的声誉，而外部数学家承担大量核验与理解工作，那么资源和功劳也应该相应分配。否则，最容易被看见的部分得到奖励，维持知识可靠性的部分反而缺少支持。
人的贡献会沿着新的分工重新定位
过去，我们习惯把选题、证明、理解和署名连在同一个人身上。原文描绘的图景里，公司选择问题，模型生成证明，形式化系统检查推导，数学家提炼机制，期刊与奖项作出承认。
我不认为这意味着人只能退到两端，更不能断言“解题的人”从此消失。它意味着我们需要更准确地辨认贡献：谁提出了值得研究的问题，谁找到了关键方法，谁发现了错误，谁把复杂结果变成了别人能继续使用的思想。
原文最后写到一种意味深长的可能：如果有理数上的希尔伯特第十问题真由机器给出否定证明，那么机器证明的，恰恰是某类问题不存在通用判定算法。这不妨碍逐个研究具体问题，也不意味着机器获得了无限能力。
我愿意把关注点放在这里：未来数学的价值，不应只按谁先交出答案来衡量。让一个答案可信、可懂，并且能够帮助人继续提问，同样值得把名字留下来。