“焦虑很正常，AI对数学的影响已经是房间里的大象。”
北京大学北京国际数学研究中心博雅特聘教授、北京中关村学院常务副院长董彬在接受《中国科学报》专访时作出上述表述。所谓“房间里的大象”，指体量巨大、显而易见、却容易被绕开不谈的问题。董彬借此说明：AI对数学研究的改变已难以回避，数学研究群体由此产生的焦虑是正常反应，但属于暂时现象。
转折点：AI自主验证推理能力在增强
围绕这头“大象”，董彬给出了一个具体的技术观测点：AI对数学研究影响加深的关键转折点，在于AI自主验证推理能力的增强。他提到，部分头部模型识别自身推理瑕疵的能力，已经超过高年级博士生。
验证在数学活动中位置特殊：一个证明能否成立，取决于逻辑链条能否经得起逐步核验，而这类工作恰恰是AI系统长期难以胜任的部分。当模型开始能够识别自身推理中的瑕疵，其角色便不再局限于生成文本、给出提示的辅助工具，而是向能够参与“推导—检验”闭环的系统演进。这也是理解当前数学家群体焦虑的技术背景。
拥抱AI，更要做AI不擅长的事
对于数学研究者应当如何自处，董彬的判断是：应当拥抱AI，借助它拓宽视野与直觉；与此同时，更应重视提出新问题、新概念和构建新理论体系——这些仍是当前AI不擅长的事情。
这一分工实际上勾勒出人机协作下基础研究的重心分布：推导、验算等执行性环节可以更多交给机器，而提出什么样的问题、用什么样的概念刻画新现象、以什么样的框架统摄已知结果，仍取决于研究者的判断。对数学这类高度依赖原创概念的学科而言，提问与构建理论的能力，正是其不可替代的部分。
一个已经发生的注脚：全自动否定悬置十余年的安德森猜想
据其介绍，其团队研发的AI系统曾全自动否定悬置十余年的安德森猜想。这一案例之所以值得关注，在于否定一个悬置多年的猜想属于完整的数学任务，而非某一环节的辅助计算；系统能够全自动完成，与其“自主验证推理能力增强”的判断相互印证。
在数学之外，这场讨论对更广泛的科技产业同样具有参照意义。数学是信息与通信技术的底层语言之一，编码、密码、网络优化等领域均建立在其上；AI在数学研究中的渗透，可视为AI深度介入科研活动的一个缩影。当头部模型在识别自身推理瑕疵上已超过高年级博士生，AI能力边界移动的速度与方向，值得技术研发者、科研管理者与产业观察者持续跟踪。