菲尔兹奖得主陶哲轩在与 Dwarkesh Patel 的深度对谈中，围绕 AI 对科学和数学领域的影响提出一系列前瞻性观点，核心直指 AI 颠覆传统科学范式，同时剖析了 AI 与人类智能的互补性、数学领域的发展趋势及黎曼猜想的重要意义，以下是核心概要：
- 科学范式彻底倒置：传统模式是 “提出假设→少量数据验证”，而 AI 时代变为 “海量大数据→提取模式→推导新规律 / 假设”，开普勒虽为早期数据研究先驱，但仍先有预设理论，如今数据驱动成为核心，AI 让假设生成成本近乎为零，当前瓶颈转为从海量 AI 生成理论中验证、筛选优质想法。
- 人类智能的认知革命：人类并非智能的唯一中心，AI 与人类智能优缺点互补，人类擅长从阶段性进展中累积经验、攻克深度难题，AI 则能规模化同时攻克成百上千个问题，消除自身水平线下的所有障碍，需重新划分人机的任务边界。
- AI 在数学领域的现状与局限：AI 已辅助解决 50 余个埃尔德什数学问题，但目前陷入平台期，“低垂的果实” 已摘完，纯 AI 解决方案大幅减少；其对核心数学难题突破有限，但能极大加速论文图表、代码、排版等辅助性工作，让论文更丰富；且 AI 缺乏累积能力，解题仅靠试错暴力破解，新会话中会遗忘此前思路，无法从失败中提升理解。
- 数学领域的新变革与新职业：Lean 等形式化证明语言让 AI 生成的证明成为可拆解的 “实物”，未来或将出现做 “消融研究” 的新数学家 —— 通过删除 AI 证明的部分代码，反向推导核心数学洞察；AI 还将推动 “规模化数学” 诞生，改变数学几乎无实验的现状，通过大规模数据收集探索解题规律。
- 黎曼猜想的关键意义：黎曼猜想若被证伪，将打破素数的随机统计模型，意味着素数存在未知秘密模式，基于素数的现代密码学体系可能轰然倒塌；陶哲轩认为该猜想无法靠穷举破解，更可能由人机协作攻克，且 AI 证明的 Lean 代码可被拆解研究，无需担心无法提取核心洞察。
- 科学研究的人性与偶然性：科学不仅是验证理论，还需要 “阐述的艺术”，通过叙事说服同行，这是 AI 难以量化的人性部分；同时，研究中的 “机缘巧合” 至关重要，过度优化会丧失随机探索的可能，适当的分心和非计划性互动能带来新灵感。
- 人机协作是未来核心趋势：AI 难以完全取代人类数学家，十年内 AI 或能完成数学系学生及论文中的大量基础工作，但人类仍将聚焦于深度难题和创新突破；未来科学研究将由 AI 做广度勘测、识别 “困难岛屿”，再由人类专家深入研究，形成高度互补的模式。
- 对数学从业者的建议：AI 时代带来变革与机遇，传统教育仍有价值，但从业者需保持适应性思维，拥抱新的研究方式；如今高中阶段也可借助 AI 工具参与前沿数学项目，非传统学习机会增多，好奇心和探索欲将成为核心竞争力。