上周和王虹、邓煜共同夺得菲尔兹奖的 Jacob Tsimerman 此前已官宣将离开学术界，前往 OpenAI 就职。

比较奇特的是，他的专长在于数论，几乎从未与 AI 或科技界产生过交集。我刚刚在『大西洋月刊』读到 Jacob Tsimerman 对这次转行的解释：

Jacob Tsimerman 认为最近这几个月，AI 在数学界取得的学术成果爆发式喷涌，其中相当多的质量都非常出色。

用不了多久，AI 在现有数学家所从事的所有专业工作上，都会展现出全面且稳定的压倒性优势，届时整个数学学科的运转范式都将被彻底重塑。

前沿数学研究的产出效率可能会被拉高十倍甚至百倍，纯数学理论到实际应用之间原本动辄跨越数十年的转化沟壑，会被极大地压缩。

但 Jacob Tsimerman 认为数学学习仍然有其价值。

首先缺乏专业数学训练的人，随便输入一条指令，并不能产生实质性的学术价值。换句话说，AI 能产生的学术价值，与使用他人类本身的学术能力密切相关。

所以，今天对很多前沿学科的学习，都是为了能在将来能驾驭 AI。 如果使用者和 AI 之间的认知差距过大，实际上就无法评判 AI 的产出是否有效。

在当下使用 AI 的时候，要去关注 AI 实现目标的过程。如果你只是机械地给 Agent 下达指令，而自己却没有建立起任何认知，这实际上是在剥夺自身的理解力。

然后他也谈到了数学对 AI 领域的重要性。

现阶段的 AI 在很大程度上还是一门经验科学。对于 AI 系统究竟如何运作、为何能取得既有成果、内部机制如何达成这些目标，以及在特定场景下会表现出何种行为，至今缺乏一套成熟的理论体系去解释。

而在科学史上，数学最大的魅力，就是将人们对事物的直觉和模糊概念，提炼成严密而精确的法则。哪怕只是前进一小步、给出精确的定义，就能产生巨大的实践杠杆。

一旦建立起这种理论认知，我们就有希望更好地预测新 AI 系统的行为，进而去微调、把控和引导它们 —— 这正是数学家们大有可为的地方。