当AI替你跨过难题，怎样把能力留在自己身上？

AI算对了，人类就进步了吗？陶哲轩联署背后，藏着一个学习难题

AI给出正确答案，当然值得高兴。但如果问题已经解决，我们却解释不清它为什么成立，也不知道换个条件该怎么办，那么，工具的进步和使用者的进步之间，仍然隔着一段距离。

最近，陶哲轩等数学家签署的一份声明，把这段距离摆到了公众面前。

我读完原文后，最在意的是一个与普通人也有关的问题：当AI越来越擅长完成学习任务，我们怎样确认，自己确实学到了东西？

2026年9月11日，陶哲轩在个人博客发布《A Severe Misalignment of AI in Mathematics》，可以译为《人工智能在数学中的严重错位》。他明确说明，首批25位签署人均为菲尔兹奖得主。声明承认大语言模型数学能力的显著进步，同时批评AI公司把攻克数学问题作为基准测试的做法，担忧其与数学研究追求理解、发展方法和培养人才的目标发生冲突。

把这件事概括成“数学家联合抵制AI”，会漏掉一个关键事实。

同一天，陶哲轩的博客还刊登了Lucas Fagan撰写的Andrews–Curtis猜想挑战赛通知。陶哲轩是组织者之一，通知明确欢迎使用AI工具。

这两件事放在一起，更接近实际的理解是：他们愿意推动AI参与数学，也在追问，这种参与最终留下了什么。

一份正确的结果，可以增加人类已经确认的知识。但人能否理解其中的方法、把方法用到别处，以及在过程中获得独立研究的能力，需要另外考察。

我习惯把它们分开看：

观察层面	要确认的问题	可以检查的证据
结果	这次是否做对了？	证明、测试、独立复核
方法	为什么成立，能用到哪里？	关键步骤、适用条件、推广案例
学习	使用者是否掌握了？	独立解释、改错、解决新问题

这张表也适用于写代码、读论文、学英语和做数据分析。

AI帮你写出一段能运行的程序，说明这次任务取得了结果。你能解释程序为什么这样组织，说明你开始理解它。换一份数据、出现一种新错误，你仍然能定位问题，才有更充分的证据说明，这项能力正在变成你的。

三个层面可以一起进步，却不会自动一起进步。

数学里的形式化验证，恰好能帮助我们看清这种区别。所谓形式化验证，可以粗略理解为：把数学陈述与证明写成严格的形式语言，再由程序检查推导是否符合规则。

但“检查通过”也有明确边界。陶哲轩在介绍Lean证明登记项目Palomar时提醒，除了检查证明本身，还要核对有没有加入不当假设，以及代码里证明的命题是否对应对外宣称的那个问题。他也明确指出，登记检查不能代替对新颖性、价值和准确性的完整同行评审。

对普通读者来说，这意味着：看到“机器验证通过”，可以认真看待它提供的证据，同时继续追问，它到底验证了什么。

原材料中还有一个容易被传播成新闻的例子：AI交出“一千万行、经过机器验证的孪生素数猜想证明”。

这个说法来自声明评论区的一则讨论，是用于表达观点的假设场景，不能当作AI已经完成这项证明的成果报道。评论者想说明的是，一份极长的形式证明，对他理解问题机制的帮助可能十分有限。

我赞同这里对理解的重视，但也不愿意把它推成“看不懂的证明就没有价值”。

如果一份证明确实可靠，并且证明了原本没有证明的命题，它当然增加了知识。即使暂时难以理解，也可能帮助后续研究确定方向。

更准确的说法应该是：正确性带来的价值已经产生，解释、简化和推广能够带来的价值，还需要继续开发。

人类自己取得的成果，也经历过这个过程。

2002年至2003年，佩雷尔曼发布三篇预印本，利用里奇流等方法解决庞加莱猜想。此后，其他数学家继续研究、核验并详细整理他的论证。克雷数学研究所收录的John Morgan与Gang Tian专著，正是沿着这三篇预印本，提供完整细节和系统讲解的工作。

这说明，发现结果之后，仍然存在大量有价值的工作。把一个突破变成别人可以学习、检查和继续使用的知识，本身就需要投入。

AI加快了发现和生成的速度，我们也需要提高消化成果的能力。否则，文件可以越来越多，真正被掌握的方法却未必同步增加。

这种差距，在学习研究中已经有了具体证据。

2025年发表于《美国国家科学院院刊》（PNAS）的一项研究，在土耳其一所高中对近千名学生进行了数学学习实验，比较普通AI助手、带有教学引导设计的AI导师，以及对照组的表现。

结果出现了明显反差：

使用方式	有工具辅助时的练习表现	撤去工具后的独立考试表现
普通AI助手（GPT Base）	相对对照组提高约48%	相对对照组降低约17%
教学引导版（GPT Tutor）	相对对照组提高约127%	与对照组没有统计显著差异

这些是研究报告的相对变化，不能理解为提高或降低相同数量的分数、百分点。

这项实验研究的是特定学校、课程和工具设计，不能据此判断所有AI产品的学习效果；它也没有单独证明“只要AI答案全对，人就会学得更差”。

它支持的一个重要判断是：有AI帮助时表现得更好，不能直接作为独立能力提高的证据。

尤其值得注意的是，教学引导版基本消除了普通助手组观察到的负面影响，却没有在独立考试中显示出显著优势。这提醒我们，评价AI学习工具，不能只看使用当下有多顺畅，还要检查学习之后留下了什么。

对于每天使用AI的人，这个问题很具体。

假设你让AI解释一个陌生概念。它给出定义、例子和类比，语言非常顺。你一路读下来，几乎每句话都能接受。

但“读的时候没有疑问”和“自己能够解释”，是不同的状态。

要检查差距，可以先关掉回答，用自己的话写三句话：它是什么，什么时候有用，什么时候不适用。写到一半卡住的地方，往往比一整页流畅解释更能暴露真正的学习需求。

我认为，AI学习需要在流程里保留几个由使用者完成的环节：

• 先暴露自己的理解。 把当前思路写出来，再问AI：“我哪一步的依据不够？请先指出问题。”
• 按需要索取提示。 卡在一个步骤时，只请求这一处的帮助，完成后再继续。
• 检查适用边界。 追问：“如果改变这个条件，原来的结论还成立吗？请给出例子或反例。”
• 做一次独立迁移。 换一道题、一份数据或一个表达场景，不看原回答再完成一次。

例如，学习一个数据分析方法，可以这样提问：

我正在学习这个方法。请先让我说明自己的理解，再检查概念、前提和推理上的问题。每次只给一个提示，等我回答后继续。最后给我一个条件有所变化的新案例，让我独立完成。

这是一种组织练习的办法，效果仍然需要通过独立表现来检验。把提示词写得再完善，也不能代替那次实际尝试。

当然，每件工作都没有必要变成一堂课。

如果只是整理格式、转换文件或完成已经熟悉的重复操作，让AI直接执行很合理。真正需要事先想清楚的是：这次任务的目标里，是否包括训练自己？

如果包括，就应该为自己的判断、解释和练习留出位置。否则，我们很容易把“任务交付了”，顺手记成“技能掌握了”。

同样的道理也适用于学校、研究机构和企业。

如果评价只记录交了多少份作业、生成多少份报告、解决多少道题，人们自然会优先优化这些数字。理解、核验和知识传递耗费时间，却可能在评价表里没有位置。

我的看法是，既然AI改变了成果的生产方式，评价方式也应该跟着调整。研究成果可以同时考察可复核性、方法说明和后续复用；课程可以增加独立解释与变化题；企业培训可以检查员工能否处理模板之外的情况。

这比单纯讨论“该不该用AI”更接近实际问题。

读完这次争论，我更愿意给自己的AI学习增加一个检查动作：每完成一次辅助任务，就找出一个自己现在能够独立完成、此前还不会的步骤。

它可能很小：看懂一个报错，识别一个错误假设，或者提出一个比原来更准确的问题。

这些变化，才让“AI又进步了”与“我也进步了”之间，有了可以检查的联系。

关注本站，每天分享跨境电商前沿资讯（ Ctrl + D 收藏本站/收藏为书签 ）