25 penerima Hadiah Fields menerbitkan pernyataan bersama yang secara langsung menunjukkan "perbedaan tujuan yang serius" antara perusahaan-perusahaan yang mengembangkan AI dan komunitas matematika. Dokumen tersebut muncul pada 11 September 2026 di Le Monde dan di blog Terence Tao; di antara para penandatangan terdapat Pierre Deligne, Peter Scholze, Maryna Viazovska, Manjul Bhargava, Yu Deng, dan lain-lain. Pernyataan ini muncul di tengah pengumuman terbaru OpenAI tentang penyelesaian masalah Navier–Stokes dalam 88 jam dengan bantuan ribuan agen dan jutaan pesan.
Inti keberatannya bukanlah bahwa AI memecahkan masalah, melainkan bagaimana hal itu terjadi dan nilai-nilai apa yang didorong pada saat yang sama. Matematika secara tradisional menghargai bukan fakta pemecahan itu sendiri, melainkan pemahaman atas struktur, isolasi kontribusi baru, verifikasi yang teliti, sitasi yang benar, dan waktu untuk merenung. Sementara perusahaan mengoptimalkan untuk kecepatan dan tolok ukur publik: semakin cepat model "menutup" masalah yang diketahui, semakin tinggi penilaiannya di mata investor dan pengguna. Percepatan semacam itu, menurut para penerima hadiah, merusak "tanah yang subur" bagi gagasan-gagasan baru dan melemahkan proses pembinaan mahasiswa dan gagasan.
Secara metodologis, pernyataan itu bersandar pada pengamatan terhadap insiden-insiden nyata. Para matematikawan mencatat bahwa sistem AI sering menghasilkan solusi tanpa pemaparan tertulis yang utuh, tanpa menandai apa yang benar-benar baru, dan tanpa memperhitungkan karya-karya sebelumnya. Hal ini berkaitan langsung dengan perselisihan terbaru seputar prioritas dalam masalah-masalah di mana OpenAI diduga menggunakan hasil yang diperoleh dengan bantuan model dari laboratorium lain tanpa pencantuman penulis yang semestinya. Berbeda dari proses matematika tradisional, di mana pembuktian melewati penelaahan sejawat dan diskusi di komunitas, pendekatan mesin menyisakan sedikit ruang untuk refleksi semacam itu.
Dibandingkan dengan pendekatan-pendekatan sebelumnya dalam mengintegrasikan alat komputasi ke dalam matematika, situasi sekarang berbeda dalam hal skala dan tekanan komersial. Sebelumnya komputer digunakan untuk verifikasi atau pencarian contoh penyangkal, tetapi bukan untuk produksi massal "solusi" atas masalah-masalah yang diketahui dalam waktu yang memecahkan rekor. Upaya paralel dari laboratorium seperti DeepMind atau Anthropic juga berfokus pada tolok ukur, namun justru OpenAI dalam beberapa pekan terakhir paling agresif mempromosikan narasi tentang "terobosan" dalam Millennium Prize Problems. Ini menciptakan dinamika persaingan di mana kecepatan menjadi keunggulan utama, bukan kedalaman pemahaman.
Konsekuensinya bagi bidang ini jelas: jika komunitas mulai berorientasi pada solusi mesin sebagai cara utama untuk memajukan, maka ruang bagi kerja yang lambat namun fundamental akan menyusut. Mahasiswa dan peneliti muda dapat kehilangan motivasi untuk mendalami kajian, karena "jawaban" sudah tersedia secara terbuka. Selain itu, muncul risiko kaburnya kepengarangan dan tanggung jawab — siapa yang bertanggung jawab atas kesalahan dalam pembuktian AI, jika pembuktian itu dirakit dari ribuan fragmen?
Pernyataan itu tidak menyangkal kegunaan AI bagi matematika, tetapi menekankan perlunya pembahasan segera mengenai aturan-aturan interaksi. Para penerima hadiah menyerukan kepada komunitas matematika, para pengembang, dan masyarakat secara keseluruhan untuk menyusun mekanisme yang akan menjaga nilai pemahaman konseptual dan sitasi yang benar. Tanpa mekanisme semacam itu, perbedaan tujuan hanya akan semakin menguat, memengaruhi bukan hanya matematika, tetapi juga bidang-bidang kerja intelektual lainnya.
Pertanyaan kunci yang masih terbuka: akankah komunitas matematikawan berhasil memaksakan standar verifikasi dan kepengarangan mereka kepada para pengembang AI, ataukah logika komersial pada akhirnya akan mendefinisikan ulang apa yang dianggap sebagai "kemajuan" dalam ilmu dasar.
