许多人错过了TerenceTao的观点，并认为“数学家对人工智能比他们更好感到
许多人错过了TerenceTao的观点，并认为“数学家对人工智能比他们更好感到不安。”他不是这么说的，有些人忘记了陶是人工智能最多的数学家之一。他的观点是，当人们努力发现某物时，他们一路上会发明新概念。这些概念后来变得有用，远远超出了最初的目标，并使进一步的发明成为可能。找到解决方案确实很重要，但中间的想法往往是让领域更丰富的原因，因为其他人可以分享它，并从中构建下一个东西。在技术方面，我们可以使用协作软件的类比。我们从合并Word文档中更改的算法开始，然后演变为有关版本、差异和合并的概念，后来演变为Git、GoogleDocs和Figma等实时协作工具。人类以这些概念为基础，开发了更强大的解决方案。Terence担心的是，一台解决方案自动化的机器在追求更大的发现时，会从开发中间发现的价值中从该领域中脱出。在自动化解决方案时，中间的发现和概念的发明可以被埋没或完全隐藏在黑匣子中。我们没有向他们学习构建下一个东西；这就像我们从未发明过协作文档编辑，因此无法在概念上理解发明下一个版本——由于它是隐藏的，我们也不将它们社会化，以允许其他人也发明集体发现的核心原则。因此，在代码和数学中，这导致了该领域概念发展的萎缩。换句话说：隐藏发现过程的纯“解决方案提取”可以留下一个选中定理的领域，但几乎没有新的见解或新的问题可以追求。这可能会阻止我们更深入地理解一个领域。我亲眼目睹了软件开发中技能的萎缩。我们按下按钮并得到解决方案。发展新概念和人类技能的动力要少得多。大多数软件公司都在打赌，LLM在编写代码方面非常有效，即使人类技能萎缩，你仍然会提供压倒性的更多价值，IMO，这是正确的赌注。然而，大部分软件行业都是建立在构建事物之上的，不一定是新颖的发明和研究。在这样的环境中，你可以说你接受一些概念发明和人类技能的萎缩，以获得更多的产出。另一方面，像数学和纯科学这样专注于发明和洞察力的部门可能受到的打击最大。实用/应用科学可能介于两者之间。阿尔茨海默氏症的治疗方法、室温半导体或高效的碳捕获溶液太有价值了，可以说只有人类才能以“正确”的方式发展概念。结果太重要了，无法将概念发明的保存视为最高目标。然而，即使在那里，如果没有人能看到第一个突破的实际运作，隐藏的中间体也会减缓下一个突破。所以问题不是“允许人工智能解决难题吗？”这是“在这个领域（数学、科学、技术等），答案本身是重点，还是我们用来到达那里的概念和抽象也是我们需要维护的东西？”在纯数学中，有一种论点认为，中间体通常比解决方案更有用，概念发展中的萎缩对该领域非常不利。解决Navier-Stokes，与一些人声称的相反，几乎没有实际应用，纯数学可能是那些仅仅找到解决方案并不是全部重点的领域之一，实际上可能与该领域相悖，这正是Tao所担心的。
