第一章 一道难题怎样成为一种职业资源
一、难题的两种生命
一道数学难题至少有两种生命。它首先生活在数学之中：若干定义构成问题，已有结果划出可以接近的边界，尚未贯通的推理形成困难。它同时生活在研究者的生涯中：谁有资格研究它，谁能得到导师的指引，谁能够连续数年投入，解答出现以后由谁辨认其意义，都与制度相连。前一种生命使难题具有认识价值，后一种生命使它成为职业资源。两者经常相互支持，却不会永远同步。
设想一位博士生，暂且称她为林。她研究的是某类组合结构的分类问题。这是本书构造的分析案例，不是某人的访谈记录。导师从一个较大的猜想中选出可处理的特殊情形，林学习所需工具，建立算例，排除几条失败路线，终于证明一个引理。引理的价值并不只在于那几行结论：它使论文计划可信，使导师能够判断训练成效，使同行知道这位年轻人能够独立处理困难。一个局部结果由此连接到毕业、推荐、岗位和后续合作。
如果某种工具可以迅速完成相同引理，数学知识并未因此受损，林原来的投入却可能失去部分职业效力。她仍学会了很多东西，但“我能够做出别人做不出的这一步”不再拥有原来的稀缺性。理解这层变化，才能避免两种简单判断：不能因为数学受益就认定每位数学家必然受益，也不能因为有人受损就认定技术进步没有价值。研究对象的进展与研究者的处境，需要分别说明，再考察它们怎样重新连接。
二、稀缺性怎样进入评价
数学成果通常不能像普通商品那样按生产时间标价。一个短证明可能打开广阔理论，一个长计算也可能只是填补局部空缺。共同体因而依靠难度、新颖性、解释力、联系广度和后续影响形成判断。难度不是唯一标准，却是重要信号：能够越过一个被多人承认的障碍，往往说明研究者掌握了尚未广泛普及的能力。评审人未必完全理解全部细节，仍可能根据问题位置和同行反应估计成果分量。
这种信号机制有合理性，也有局限。某个问题难，可能因为它揭示了深刻结构，也可能因为表达方式不合适，或者需要大量重复劳动。若把不同来源的困难一概当成同一种价值，便容易把长期成本误认成永久意义。工具进入以后，这些困难会被重新拆分。有的障碍在新的搜索和计算条件下迅速消失，有的却更加突出，因为更多候选答案使解释与比较变得困难。由此改变的不是一张简单的“难题排行榜”，而是共同体识别贡献的方式。
我们可以把职业性稀缺理解为一个关系：某类成果的需求，与能够在可接受条件下提供它的人或系统的数量之间的关系。这里的需求包括证明需要、教学需要、研究计划需要和制度评价需要，并不全是市场购买。当供给扩张而需求结构不变，稀缺性可能下降；当成果引出新问题和新用途，供给扩张也可能扩大整个领域。究竟是哪种情况，必须进入具体研究活动，不能只看论文总数。
三、训练的价值不等于劳动量的保存
漫长训练之所以有价值，部分原因在于研究者通过推理形成了对错误的敏感，对定义的把握，对方法适用条件的理解。亲手处理过许多例子的人，往往能察觉一个陈述中不自然的假设。这类能力与练习数量有关，却不能完全用数量衡量。两个人证明相同的一百个结论，可能分别获得机械熟练与结构理解，也可能在不同组合下获得两者。因此，训练的目标应当指向能力的形成，而非对历史劳动方式的忠实复演。
工具能够代做某项操作，不意味着这项操作的全部训练作用同时消失。问题在于，哪些亲手操作仍是建立理解的必要环节，哪些可以让位于更有价值的活动。以检验一个代数恒等式为例，初学者可能需要逐步展开，理解符号与运算；熟练研究者可以调用可靠系统，将时间用于判断恒等式为何出现。两者面对同一按钮，教育意义不同。把“允许使用”或“禁止使用”作为统一答案，反而掩盖了需要观察的能力层次。
同样，也不能把所有过去的投入都说成沉没成本而轻轻放下。专业训练建立的概念网络、失败经验和合作信用仍可能转化为新的优势，只是转化需要工作。林若能解释原引理为何关键，比较工具生成的几种证明，发现哪些假设可被修改，她的训练便进入新的活动。若评价只追问结果是否由她徒手完成，这些转化就难以被看见。保护训练的价值，需要重建它通向研究贡献的通道。
四、职业链条在哪里松动
难题通向职业机会，往往要经过多个环节：可研究的问题、可信的成果、可识别的贡献、被认可的资格，以及相应岗位或资源。AI的影响可以发生在任一环节，且速度不同。工具可能先改变成果生产，而学位标准暂时不变；评审可能先提高预期，但学校尚未提供工具；某些应用需求可能迅速增长，院系的职位名称却仍沿用旧分类。正是在这些时间差里，研究者会感到规则正在移动。
考虑一个纯粹示意的情境：一个团队原来每年能详查十个候选构造，工具帮助它详查一百个。如果发表机会、经费和阅读注意力近乎不变，研究者可能只是面对更高的筛选门槛。如果这一百个构造使以前无法研究的分类成为可能，团队也可能得到新的问题空间。相同的执行能力增长，在不同组织条件下可以通向不同结果。我们不能从工具效率直接推出职业收益，必须补上问题选择、成果筛选和机会生成等中间环节。
还有一种更隐蔽的松动发生在贡献归属上。一个证明由人提出初始问题，模型给出关键构造，另一人修补漏洞，形式化系统完成核验，最终由团队发布。旧有的单一作者想象难以说明每项贡献，但这不意味着责任可以消失。相反，贡献叙述要更具体：谁选择了什么，谁检验了什么，哪些部分仍有条件。数学职业需要能够识别复合活动的制度语言，而不能只在“全是人的”与“全是机器的”之间摆动。
五、成果的价值与研究者的价值
面对变化，人容易把某项能力的价格下降理解为整个人的价值下降。数学训练尤其可能强化这种联系，因为人们长期通过解决困难的问题获得承认。然而，一个人的研究能力本来就包含多个层次：能够独立证明，能够理解他人的证明，能够组织问题谱系，能够发现既有表述忽略的对象，也能够与不同知识背景的人合作。这些能力不是若干永远稳定的所有物，而是在持续实践中形成和改变的复合能力。
承认这一点并不等于给受冲击的人安慰性改名。若只把“解题者”改称“思想者”，而日常活动、成果形式和资源关系都没有变化，职业问题仍然存在。真正的改变应当可观察。例如，林原来只能完成导师指定的特例，现在能够建立一套可复现的比较实验，让三种定义在相同样例上显示不同后果；她还能够解释为什么其中一种值得继续。这样的能力变化具有实际内容，可以被质疑，也可以被接续。
数学成果的公共性与职业回报之间也存在张力。一个成果越容易传播，越可能被更多人使用，但作者未必获得与使用规模相称的资源。AI进一步扩大获取和改写能力后，公共知识的生产与私人职业回报可能更加分离。因此，数学共同体需要关心研究者如何持续工作，而不只是赞美知识增长。研究者也需要从“我已经拥有多少结果”逐渐转向“我能够组织哪些持续发生的研究活动”。后者不是放弃成果，而是把成果纳入更长的生成过程。
六、从守住难题到重组问题
如果一种职业把自己的价值全部寄托在某类困难暂时无法被工具解决，它便把未来押在一个可能被进一步压缩的能力缺口上。这种策略可能在一段时间内有效，却缺少稳定依据。更有建设性的道路是研究困难怎样变化：哪些被封装，哪些从新的对象与联系中出现，哪些需要改变现有问题形式才能被看见。数学家对问题结构的熟悉，可以成为重组问题的条件，而不必只是守住原来的门槛。
重组并不要求每个人立即提出一个宏大的新典范。它可以从很小的动作开始：将一个默认假设改成可讨论条件，将一个被忽略的边界例子提升为独立对象，将一种运算的失败视为另一类结构的入口。关键在于，这些动作需要产生可检验后果。若只是给已有模型换名字，便没有打开研究空间；若改变后出现了新的问题族、证明方法或应用联系，才有理由继续投入。新阵地由这些具体活动逐渐形成。
七、保留什么，改变什么
在新的条件下，职业评价仍需要能够辨认扎实工作的尺度。证明是否成立，概念是否明确，结果是否超出已有知识，研究者是否能够回应质疑，这些要求不会因为工具强大而失去意义。需要改变的是从这些要求直接倒推出固定的劳动形式。例如，结果必须可靠，不等于所有计算必须由作者手算；作者必须理解自己的贡献，也不等于他必须在任何细节上都胜过整个协作系统。评价应当追到责任所在的层级，并允许研究者在必要时重新展开被封装的环节。
这也要求重新理解独立性。独立研究并非完全没有依赖，而是能够说明自己的判断依据，识别依赖的适用条件，并在依赖失效时组织修正。一个拒绝所有工具却无法解释问题价值的人，未必比一个善用工具、能修改定义并核对结果的人更独立。反过来，能迅速提交漂亮证明却不能分辨它证明了哪个命题，也不能被称为成熟研究者。独立性应当通过实际研究事件显露，而不只通过工具使用量来推断。
林的案例可以在这里获得一种不同结局。原引理被工具完成以后，她不必把几年训练视为作废，而可以分析：工具为何成功，原来的瓶颈在哪里，同一方法能否推广，无法推广的反例又指向什么。在这个过程中，她可能完成另一篇论文，也可能建立一组比原题更有发展力的问题。任何一种结局都不应被预先保证。学校真正能够提供的，是合理的调整时间、明确的贡献认定和接触新工具的机会，使研究计划有机会从冲击中重新形成。
本章因此提出一个生涯层面的转向：难题仍是数学的重要资源，但研究者不能只以占有某道难题来组织未来。工具封装使曾经稀缺的执行能力变成新的起点，研究者需要判断如何使用这个起点。下一步要考察的，便是所谓“能力进入工具”究竟包含什么。只有区分计算、推演、搜索与核验，才能知道哪些环节已经改变，哪些成本正在转移，以及新的数学活动究竟需要怎样的复合能力。
这种调整也不能无限延期。导师与学生需要约定何时重新判断方向，什么证据说明转向有效，什么情形下应收缩目标。让变化可讨论、让失败可退出，才有可能把职业保护与研究质量共同维持，而非用一个新的宏大承诺替换已经失效的旧承诺。