随着人工智能工具在数学研究领域的快速渗透，学术界对人才评价体系的反思正在升温。芝加哥大学数学领域杰出学者弗兰克·卡莱加里（Frank Calegari）近日在一篇文章中提出，未来招聘数学研究人员时，个人交流能力和清晰表达研究构想的能力将变得比以往更加重要。这一判断的背景是，AI正在降低数学研究取得突破的门槛，同时也使传统的书面成果审查方式面临失效风险。
卡莱加里在文章中明确阐述了自己的招聘标准：“我想了解你希望数学走向何方，也需要具备能解释这为何可能实现的专业能力。”他担忧，随着人工智能工具不断进步，学术界各个领域的初级研究岗位可能会被一些学生占据，而这些人之所以能够获得相关成果，可能只是因为他们大量使用人工智能生成证明。在这一趋势下，仅凭一篇论文或一项学术成果来评判候选人能力的传统做法，将难以准确反映其真实的研究潜力。
针对如何区分候选人的真实能力，卡莱加里认为，一场30分钟的面对面交流就足以辨别两类候选人：一类只是批量制造低质量研究成果的人，另一类则拥有清晰的研究愿景，并且善于表达。他在发布于陶哲轩（Terence Tao）博客上的文章中表示：“招聘流程将不得不更多地依赖人与人之间的直接交流，而不是仅仅审查书面材料。”他还批评了一些他所称的“懒惰的评审委员会”，认为这些委员会过去仅凭一篇论文或一项学术成果就决定是否录用学生，而如今这类成果完全可能由人工智能生成。
卡莱加里进一步指出，招聘方式的转变也意味着培养责任的变化。他表示：“一旦我们采取这种方式，就有责任培养自己的研究生，让他们具备更好的数学表达能力。我们本应更加认真地对待这件事。”这一观点将人才评价与研究生培养体系直接关联，暗示学术机构需要在课程设置和日常训练中加强对学生表达与沟通能力的重视。
类似的声音并非孤例。上个月，康奈尔大学教授史蒂文·斯特罗加茨（Steven Strogatz）也曾指出，具备“rizz”（俚语，意为个人魅力）特质的数学家如今更受重视，因为他们能够解释人工智能生成的研究结果，并以此提出新的数学问题。两位学者的判断共同指向一个趋势：在AI能够批量产出证明的时代，人类研究者的核心价值正从“产出结果”向“提出问题、解释结果、表达愿景”转移。
人工智能公司迅速进军数学领域，已经让不少数学研究人员感到不安和困惑。随着OpenAI向这一领域大量推出针对世界上最复杂数学难题的解决方案，数量达到数百项，整个数学界都在思考如何在人工智能时代保持自身价值。一些教授已经明确表示不再使用人工智能，不过大多数人仍在尝试寻找将这项技术融入自身研究的方法。美国各地的学生也在努力适应这一变化，并要求教授明确公布人工智能使用指南，说明学生是否可以使用这类工具以及应该如何使用。一名学生在麻省理工学院近期开展的一项调查中写道：“整个学术界目前缺乏高层次的领导和指导。”
从行业影响来看，卡莱加里的观点触及了AI时代学术评价体系的一个核心矛盾：当生成式AI能够以极低成本产出形式合规的学术成果时，依赖书面材料的传统筛选机制将不可避免地失效。对于数学及相关基础学科而言，招聘流程向面对面交流倾斜，可能只是更大范围学术评价改革的开端。如何在利用AI提升研究效率的同时，建立能够识别真实研究能力与原创愿景的新标准，将成为学术机构在未来数年需要持续回应的课题。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
