Ünlü matematikçi Terence Tao, yapay zeka gelişmeleri nedeniyle matematikte "kanıt kıtlığı" döneminden "kanıt fazlası" dönemine doğru bir değişim olduğunu vurguladı. Büyük dil modelleri (LLM'ler) hızla kanıtlar üretiyor, Lean gibi araçlar ise doğrulamayı otomatikleştiriyor. Ancak, insanların bu kanıtları anlama yeteneği geride kalıyor ve bu da bir "empedans uyumsuzluğu" yaratıyor. Tao, Erdős problemini örnek olarak kullandı; bir öğrenci ChatGPT kullanarak 80 dakikada bir kanıt oluşturdu, ancak Tao'nun bunu doğrulayıp anlaması 24 saat sürdü ve bu süreçte yeni bağlantılar ortaya çıktı. Tao, akademik değerlendirme sistemlerinin yeniden yapılandırılması gerektiğini öngörüyor, çünkü kanıt üretmekten ziyade anlamanın kıt kaynak haline geleceğini belirtiyor. Matematiğin geleceğinin, sadece kanıt üretmek yerine doğru problemleri seçme, doğrulama ve sonuçları sindirme yeteneğine odaklanacağını vurguluyor. Bu değişimin, yapay zekanın matematiksel araştırma alanını dönüştürmeye devam etmesiyle birlikte teorik fizik ve kriptografi gibi diğer kanıta dayalı disiplinleri de etkilemesi bekleniyor.