人工智能正在降低数学发现的门槛，这一变化迫使学术界重新审视人才选拔标准。芝加哥大学数学教授弗兰克·卡莱加里（Frank Calegari）指出，未来的招聘将更加个性化，数学家也需提升思想表达能力。
卡莱加里在发表于陶哲轩博客的文章中写道，他寻找的是具备“技术能力”且能清晰阐述“数学发展方向叙事”的研究者。他担忧，初级研究岗位可能被仅靠批量生成AI证明的学生占据。但他强调，通过30分钟的深入交流，足以将这些“AI内容产出者”与拥有清晰愿景及沟通天赋的潜力候选人区分开来。
“招聘过程将更多依赖人际互动，而非单纯审查论文档案。”卡莱加里批评了仅凭单一出版物录取学生的“懒惰委员会”，指出在AI可能生成成果的背景下，培养研究生更好地交流数学知识已成为学界必须严肃对待的责任。
从“解题”到“解释”的能力转型
康奈尔大学教授史蒂文·斯托加茨（Steven Strogatz）上月指出，具备“魅力”（rizz）——即能够解释AI生成结果并将其转化为新问题能力的数学家，正迎来新机遇。
随着OpenAI等公司向数学领域涌入数百种针对复杂问题的解决方案，数学界在困惑与不安中探索自身的相关性。尽管部分教授彻底拒绝AI，但大多数人正尝试将其融入工作流。
与此同时，学生群体也在适应这一变革，呼吁教授发布明确的AI使用指导方针。一名参与麻省理工学院调查的学生坦言：“我们缺乏来自整个学术社区的高层领导。”