芝加哥大学教授：AI 时代数学招聘更看表达与愿景

芝加哥大学教授卡莱加里称，AI 降低数学研究门槛后，招聘要更多依赖面对面交流，区分批量生成低质成果者与有清晰愿景、善于表达的人。这对内容创作者和运营者也有提示：区分度可能从产出转向表达与判断。

发生了什么

芝加哥大学数学教授弗兰克·卡莱加里近日在陶哲轩博客上发文，谈 AI 时代数学研究人员招聘标准。他认为，人工智能正在降低数学研究取得突破的门槛，但这也意味着学术界可能需要重新审视人才招聘方式。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更加重要。

卡莱加里写道：“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，AI 工具持续进步后，学术界各个领域的初级研究岗位可能会被一些学生占据，而这些学生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。

他认为，一场 30 分钟的面对面交流，就足以区分两类候选人：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。他同时批评“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。

关键事实

• 卡莱加里在发布于陶哲轩博客上的文章中说：“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。”
• 一场 30 分钟的面对面交流，足以区分批量制造低质量研究成果的人与拥有清晰研究愿景、善于表达的人。
• 他批评“懒惰的评审委员会”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。
• 康奈尔大学教授史蒂文·斯特罗加茨上个月指出，具备“rizz”特质的数学家更受重视，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。
• OpenAI 向数学领域推出针对复杂难题的解决方案，数量达到数百项；美国学生要求教授明确公布人工智能使用指南。

我们的分析

这则消息表面上讲的是数学学术招聘，但它揭示了一个更普遍的变化：当 AI 把“拿出成果”的门槛降低后，单看书面产出已经不足以判断一个人的真实能力。数学界开始把面试、口头解释研究愿景当作区分手段，可能意味着其他依赖专业判断的领域也会跟进。

对内容创作者和社媒运营者来说，这个逻辑并不陌生。AI 工具已经能把大量文案、脚本、方案快速生成出来，但“能生成”不等于“值得被信任”。卡莱加里强调的清晰表达研究愿景、解释为什么可行，对应的正是创作者能否说清楚自己为什么要做某个选题、打算如何做出差异。

原文提到康奈尔大学教授用“rizz”形容更受重视的数学家，因为他们能解释 AI 生成的研究结果并提出新问题。这可能意味着，在内容行业，懂 AI 产出但能进一步提问、判断和转译的人，会比只会执行指令的人更有竞争力。

对运营者意味着什么

• 把“表达判断过程”变成工作流的一部分：不要只发布 AI 生成结果，可以附上你如何选题、为什么选这个角度、哪些内容被删改，提升合作方和受众对你专业判断的信任。
• 在面试、提案或客户沟通中，准备一段清晰的研究或内容愿景说明：你要把账号或项目带向哪里，为什么这个方向可行，以此对标卡莱加里所说的“解释这为何可能实现”。
• 训练面对面的口头表达能力：当 AI 让书面材料同质化，30 分钟交流可能成为区分关键。可以定期做选题陈述、复盘直播或内部提案演练。
• 为 AI 使用建立明确规则：原文提到学生要求教授公布 AI 使用指南。运营团队也可以把 AI 在选题、初稿、数据核查中的使用边界写成文档，避免产出被质疑。