让 AI 解题、人类负责选题与审查的分工模式,面临判断力培养的难题。识别有价值的研究方向、察觉推导疑点,均需在亲自解题、犯错与修正中长期训练而成。德州大学教授 Scott Aaronson 坦言,面对学生关于职业前景的询问,他已不知如何作答。若学生过度依赖 AI 补全证明与查找反例,可能丧失对异常的敏感度及在失败中形成研究直觉的机会。工程教育亦面临类似困境:学生在获得漂亮代码的同时,可能错过架构设计与底层调试的训练,最终难以评估机器答案的可靠性。如同《九阳真经》经不同人理解衍生出三大门派,机器生成的成果也需要通过研讨班、教材与反复阐释才能融入人类认知体系。学术评价应给予这些“翻译”与传承工作应有的地位。风清扬传授独孤九剑,重在指点令狐冲观察破绽而非死记招式。未来的数学家或许将更多精力投入成果审查、思想提炼与知识传承,确保机器生成的复杂论证能被人类掌握并生长出新理论。提出好问题、辨认关键思想、建立跨领域联系、将艰深证明转化为可学知识,这些依赖判断力的工作将决定数学的未来方向。AI 会在石壁上更快地刻下绝世武功,而数学家需要守住的,是让后来者仍能看懂、质疑石壁,并沿着未写出的方向走出新路。
【声明】内容源于网络
0
0
APPSO
AI第一新媒体,「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative Al
内容 15767
粉丝 0
APPSO
AI第一新媒体,「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative Al