是的，它适用。如果一个陈述不能在有限的步骤中推导出来，那么试图证明它的人是人还是计算机都没有关系。

与标准定理证明算法相比，数学家有一个优势：数学家可以“跳出系统”（正如 Douglas Hofstadter 在Gödel、Escher、Bach中所说的那样），并开始思考系统。从这个角度来看，数学家可能会发现推导是不可能的。

但是，可以对用于证明定理的 AI 进行编程，以识别推导中的模式，就像我们假设的数学家一样，并开始对形式系统进行推理以推导形式系统本身的属性。人工智能和数学家仍然会受到数学定律的约束，如果一个定理在数学上是可改进的，就无法证明它。

在他阐述了他的论点之后，他处理了一些反驳。以下对我来说似乎是最弱的：

我们也可以用同样的类比来对付那些发现他们的第一台机器无法产生的公式为真的人，承认那台机器确实不合适，但随后试图构建第二台更合适的机器，其中公式可以产生为真实。他们确实可以做到这一点：但是第二台机器将拥有一个自己的哥德尔公式，通过将哥德尔程序应用于代表其（第二台机器）自己的、扩大的操作方案的形式系统来构建。第二台机器将无法生成这个公式，而头脑将能够看到它是真的。如果现在建造第三台机器，能够完成第二台机器无法做到的事情，同样的情况也会发生：还会有第三个公式，与第三台机器的操作方案相对应的形式系统的哥德利亚公式，第三台机器无法将其证明为真实，而大脑仍然能够看到它是真实的。所以它会继续下去。

简而言之，通过使系统更复杂，它可以看到一个不太复杂的系统的不足，但一个更复杂的系统可以看到它的不足。但是，一个大脑可以看到第n台机器的不足的说法是从哪里来的呢？比如说，如果哥德公式的组成部分与人类大脑的神经元一样多，那么声称人类可以评估该公式并确定它实际上是一个哥德公式，而不是类似但不完全一样，这似乎令人怀疑。相同的句子。