困住你的从不是天赋，是旧的门槛

【留美学子】第3926期

13年国际视角精选

仰望星空·脚踏实地

【陈屹视线】教育·人文·名家文摘

让认知 永远快人一步

困住你的从不是天赋，是旧的门槛

——AI的教育：逃兵也可以重返战场

作者：刘丹（DAN LIU，谷主）

【导言】

2026年以来，陶哲轩频频发言，为数学的未来担忧。

他和25位菲尔兹奖得主联合签署了一份声明，标题叫《人工智能在数学中的严重错位》。声明措辞严厉，警告AI公司把“解决著名数学难题”当作竞赛指标，可能正在把数学研究带向一个危险的方向。

陶哲轩表达过“深深的挫败”。但他针对的，不是数学本身，而是：AI生成的证明越来越多，却没有人来解释、来答疑、来教学生。 他在教学实践中已经观察到一个趋势：学生平时的家庭作业分数出现上升，但线下闭卷考试成绩却呈下降趋势。底层学生倾向于利用AI将成绩提升至平均水平，而顶尖学生则因担忧技能退化而谨慎使用。

他甚至做了一个思想实验：AI造出抗癌药，三期临床全过，但人类看不懂作用原理——这药，你敢吃吗？

他的担忧有道理。但这份担忧，挡不住一件事：

在有真值标尺的领域，AI的试错能力，正在把过去只属于少数精英的战场，向所有人打开。

这篇文章想说的核心，只有一句：

在真值标尺的条件下，应该拥抱AI，而不是否定AI。只是千万不要因为有了AI后，自己选择躺平。

一

阻挡是无效的，只能拥抱 +引导+教育

我举两个例子。

第一个例子：数学逃兵。

我本人，就是一个例子。这个故事，下面会展开。

第二个例子：癌症病人。

陶哲轩的思想实验说：AI造出抗癌药，但人类看不懂原理，你敢吃吗？

我要说：对于一个被判了一年死刑的癌症病人，他根本不会在乎人类是否“理解”这个药。他只有一个问题：能不能让我多活几天？哪怕只有5%的可能性，他也愿意试。不是因为他勇敢，是因为他没得选。当“一定死”是确定的，“可能活”就值得押上一切。

但这里必须补一句：拥抱试错，不等于取消验证。监管与知情同意，仍然是不可回滚处的边界。病人可以赌，监管不能替他赌。

这两个例子说明同一件事：阻挡是无效的。 你唯一能做的，是拥抱它、引导它、教育它——让它在正确的方向上被使用，而不是被滥用。

二 真值标尺，是 AI 最强的战场

什么叫真值标尺？就是结果对错有客观判定标准的东西。

数学证明对不对，Lean验证器告诉你。代码跑没跑通，编译器告诉你。围棋下得好不好，胜负告诉你。

在这些领域，AI拥有无穷的试错能力。陶哲轩自己说过，数学是实验与试错成本极低的地方。与工程师造桥或外科医生手术不同，数学证明失败不会产生昂贵的代价。这种容错性使数学成为AI压力测试的理想环境。

一个人一辈子能试多少条证明路径？几百条。AI可以在几小时内试几百万条。算力越大，试错空间越大，撞到正确答案的概率越高。

陶哲轩承认，AI已经把数学从“证明稀缺”的时代，推向了“证明充裕”的时代。

这不是对数学家的威胁，这是对数学门外汉的邀请。

三 一个 23 岁门外汉，和一道长期未决的埃尔德什问题

2026年4月，一个23岁的年轻人Liam Price，没有任何高等数学背景，仅凭一个ChatGPT Pro账号，攻克了一道长期未决的埃尔德什问题。

他用的方法叫“vibe mathing”（偏直觉提问/氛围式试探）——反复试探，不预设方向，让模型自己推理。

在公开讨论中，这一路径常被概括为“一次提问攻克难题”。但实际过程远非如此简单：它包含筛选问题、设计提问策略、判断AI给出的方向是否值得继续追、在AI走偏时重新调整思路、把结果交给另一个模型检查错误、与合作者一起验证，最后才提交给专家。他做的，是判断。AI做的，是试错。

牛津大学的Jared Lichtman在同类问题上苦干了整整7年，把已知上界一步步推到了约1.399。距离最终证明，似乎只差最后一脚。但这“最后一脚”，7年都没能踢进去。

Liam Price赢在哪里？赢在他有判断力。而判断力，是从他反复试错的过程中长出来的。哪怕他没有高等数学背景，他也经历了“问错→方向不对→换角度→再问”的循环。

但必须说清楚：Liam Price是一个信号，不是一个证明。

他成功了，不代表所有门外汉都能成功。他只是一个样本，一个证明了“门槛在降低”的样本。门槛降低，不等于人人都能进球。他是幸存者，但我们没看到那些用了同样方法、走了同样路、最后什么也没解出来的人。

这是AI给普通人的最大礼物：它拆掉了执行门槛，让判断力终于有了用武之地。但能不能上场，上场之后能不能进球，是两回事。

四 逃兵也可以重返战场？

我本人，就是北大数学系的逃兵。

当年在数学系，班里全是张益唐这样的数学天才，我成绩垫底，毕业后连研究生都不敢考。

几十年过去了。现在，如果我想碰一个数学猜想，我不需要回到北大重新读数学系。我可以用AI帮我试错，用Lean帮我验证，我自己负责判断方向、判断这个方向有没有意义。

这在以前，是不可想象的。

但必须说清楚：我现在只是“有机会上场”，还没有“重返成功”。

门槛拆了，我可以上场了。能不能进球，还不知道。我的“重返”，目前只是一个可能性，不是一个已经实现的结果。我没有解出什么猜想，没有发表什么论文，没有可以展示的成果。

我唯一能说的，是：以前我连上场的机会都没有。现在，我有了。

陶哲轩也看到了这个趋势的另一面。他创办了SAIR Foundation，希望这个旨在重塑AI与科学关系的非营利性联盟，能够连接学术界和产业界，为更多年轻人打开象牙塔的大门。他期待更多年轻人进入数学研究，而不是被AI挡在门外。

这个判断，和“逃兵有机会上场”是同一个方向。但“有机会上场”，不等于“一定能重返”。

五 重新定义：什么是音乐家、诗人、数学家、程序员

AI让不懂音乐的人表达心情，让不懂诗词格式的人表达思想，让不懂高等数学的人碰触猜想，让不会写代码的人搭建程序。这是件好事。

以前，你想写一首曲子，但不会编曲，写不成。你想写一首诗，但不懂格律，写不成。你想碰一个数学猜想，但看不懂符号，碰不了。你想写一个小程序，但不会编程语言，做不了。

现在，AI把这些门槛一个一个拆掉了。你有想法，它能帮你实现。你有方向，它能帮你试。你有判断，它能帮你验证。

未来，定义什么是音乐家、什么是诗人、什么是数学家、什么是程序员，可能需要重新定义。

以前，音乐家是能编曲的人，诗人是能写格律的人，数学家是能推公式的人，程序员是能写代码的人。以后，这些执行层的技能，AI都能做。那么，谁是音乐家？谁是诗人？谁是数学家？谁是程序员？

可能是那些能提出新问题的人。可能是那些能判断什么值得做的人。可能是那些能在一片噪音里指出方向的人。可能是那些能为自己的判断签字的人。

但这里必须说清楚：AI辅助，不等于没有门槛。

普通人可以编曲了，但要写出真正动人的曲子，仍然需要才华。普通人可以写诗了，但要写出真正有分量的诗句，仍然需要经历。普通人可以碰猜想了，但要判断哪个方向值得走，仍然需要思想。普通人可以写程序了，但要设计出真正解决问题的系统，仍然需要判断力。

因为AI只是一个超级智能工具。它不知道自己在做什么。

Transformer架构下的AI，本质上是一个概率游戏。它在给定空间里找最优解，但它不知道这个空间本身对不对。它生成的东西，看起来合理，但可能完全错误。它没有“我可能错了”的天然出口，也没有“我不知道”的绝对边界。

所以，Transformer架构下的AI不可能升华到AGI。它只能作为工具，放大你的能力——但前提是，你手里得有东西可以被放大。这个判断，在《AI的未来》九篇里已经详细推演过，这里不重复。

执行门槛的消失，不是艺术的终结，是艺术的重生。它让更多人有机会上场，但能不能进球，仍然看你自己。

六 说给退休老人听：你们是被门槛卡住的人

逃兵、退休老人、有经验但不会新工具的普通人——其实是同一群人。

你们手里有东西：一辈子的创意、经验、判断。但以前，执行门槛把你们挡在了门外。写一首曲子，编曲太累；写一首诗，平仄太慢；碰一个数学猜想，符号看不懂。

AI把执行门槛拆掉了。现在，你们不需要会编曲、会格律、会推公式。你们只需要知道自己想做什么、想往哪走，AI帮你们执行，Lean帮你们验证。

你们不是被时代淘汰的人，你们是被旧门槛卡住的人。现在，门槛拆了。

这不是威胁，这是解放。

但解放不等于自动变好。如果你把判断权也交出去，让AI替你做决定，那你就不是在放大自己，你是在消失自己。

七 未来教育：“人社”重建与抗衰良药

当执行门槛被AI拆掉之后，未来的教育该教什么？

“人社”如何重新建立，成了最大的问题。

如果教育还停留在教人刷题、考试、拼标准答案，那培养出来的就是旧尺子下的工具人。未来教育更注重的，必然是第五节提到的那群人：可能是那些能提出新问题的人，可能是那些能判断什么值得做的人，可能是那些能在一片噪音里指出方向的人，可能是那些能为自己的判断签字的人。

这样的人，才是AI时代真正的“人社”。人可以更加聪明地学，学得更聪明——不是学怎么像机器一样计算，而是学怎么像人一样判断。

这不仅关乎年轻人的上岗，也关乎退休老人的“抗衰”。

很多人觉得，退休了就该歇着。但人的大脑是用进废退的。如果每天只是吃饭、睡觉、看电视，大脑缺少刺激，很容易出现“断崖式变衰”。

退休老人学点新东西，哪怕是学用AI写首诗、编个曲、查个资料，都是在给大脑做体操，都是在换换脑子。只要能保持思考、保持提问、保持判断，人就不会轻易老去。

以前，他们学不会新工具，因为门槛太高。现在门槛拆了，他们也要上岗了——不是去抢年轻人的饭碗，而是给自己找个新差事，当个终身学习者，当个能提出新问题的智者。

这不叫养老，这叫新生。

八 自信力是双刃剑

这件事最大的作用，是提升自信力。

一个退休老人，一辈子攒下的经验和判断，以前因为“不会这个、不会那个”而被困在脑子里。现在，AI帮他执行，他的判断终于有了出口。他第一次发现：原来我想的东西，是可以做出来的。

但自信力是双刃剑。

做对了，它可以造就你。做入魔了，它也可以毁你。如果你把AI给出的“听起来很合理”的答案，当成了“我真的懂了”，那自信就会变成幻觉。

陶哲轩的担忧，恰恰在这里。他怕的不是AI解不出题，他怕的是：AI解出题之后，人类不再觉得有必要自己去理解解题过程。

普林斯顿大学的文卡泰什说得更直接：“我曾花费数年思索某个问题，在挣扎中慢慢摸索出头绪。如果计算机能替你完成其中的大部分工作，你还有动力投入那些时间吗？”

但你要知道：躺平不是AI的错，是你自己的选择。 AI把门打开了，走不走，是你的事。

九 判断力从哪里来

判断力，是从执行力的千锤百炼中长出来的。更准确地说，是在干的过程中，被成功和失败反复修正出来的，尤其是失败。

但失败要长成判断，得满足三个条件：那一次是你自己签的字、付了真实的价、并且复盘过。 否则它只是受伤，不长判断。

陶哲轩的思想实验，本质上问的就是这件事：如果AI替你走完了所有失败的路，替你付了所有该付的代价，那你自己还剩下什么？

但答案是：你不需要让AI替你走完所有的路。 你可以让AI帮你走那些可回滚的、低成本的、重复性的路，然后把省下来的时间和精力，用在那些不可回滚的、需要判断的关键节点上。

这不是不学，这是学得更聪明。

陶哲轩自己也说，他主张在教育中保留传统的数学训练，让学生先学会独立思考，再借助人工智能解决问题。但他同时也在调整自己的教学方式，采用项目制考核、口头考核，因为传统的每周作业已经越来越难适应AI时代。

这两件事并不矛盾：独立思考不能省，但教学方式必须变。执行门槛可以交给AI，但判断力的训练场不能拆。

十 判断力如何教育，是未来的大问题

判断力如何教育，如何生长，是未来的教育大问题。

我也不知道答案。

我只能推演。

陶哲轩在思考这个问题。他主张保留传统数学训练，调整教学方式，创办SAIR Foundation。这些是尝试，不是答案。

我在思考这个问题。我认为判断力是从执行力的成功与失败中长出来的，尤其是失败。但具体怎么设计训练场，怎么保证失败是真实的、代价是可控的、复盘是系统的，我也没有答案。

我唯一能确认的，是这条路必须走。 因为阻挡无效，只能引导。AI不会因为你不喜欢它就停下来。你唯一能做的，是在它前进的同时，把判断力的训练场建起来。

十一 三层边界

真正会用AI的人，守住三层边界：

第一，可回滚的试错，交给它。 写作、编曲、推演、模拟，都可以低成本放开试。

第二，未验证的认知，绝不重仓。 自己没经历、没复盘、没沉淀过的想法，绝不做不可逆的决策。

第三，随时准备换纸（交易里的止损/推翻旧判断）。 一旦发现前提失效，主动推翻旧判断，重新画图。

这三条边界，AI替你设不了。因为它们依赖的，是“你自己知道什么时候该停”。而“知道什么时候该停”，不是从AI那里学来的，是从你自己真实的失败和代价里长出来的。

十二 说给所有人听

你不需要懂AI。你不需要会写代码。

你需要的，是把你一辈子攒下的东西，交给AI去执行。

你的经验，是你在真实世界里下过场、踩过坑、付过代价换来的。这些东西不在AI的训练集里，在你自己的骨子里。

它补上你的短板。你放大你的长板。

这不是威胁。这是解放。

有人担心，硅基会干掉碳基。但真相是：不是硅基干掉碳基，是碳基把判断权交出去，自己把自己干掉了。你交出去多少判断权，你就被替代多少。你握住判断权，AI就只是你的放大器。

陶哲轩说，他希望AI成为“拓展人类理解力的工具，而不是取代理解本身的捷径”。这个判断，和“逃兵有机会上场”并不矛盾。

因为工具拓展的是你的射程，不是你的判断。射程可以借，判断必须自己长。

AI不完美。它会出错，它会走偏，它不知道自己什么时候会错。

但它可以帮你做很多你以前做不了的事。

然后，你来签字。

机器负责放大，人负责方向。

逃兵有机会上场了。能不能进球，还得看自己。

十三 拷问：当 Lean 也不能替我们判断，去哪找答案？

就在这几天，DeepSeek发布了V4.1 Flash。官方称，通过自反馈强化学习，它能做“许愿式编程”：从零搭建复杂的3D模型与完整项目。

这是工程上的大步。但它也把陶哲轩的担忧，推到了一个更窄的死角。

当执行越来越便宜、生成越来越海量，而验证能力跟不上时，验证就可能成为一场灾难。

陶哲轩担心：AI瞬间给出“完美”证明，人就不愿再理解过程了。但更深一层是：即便你愿意验，也可能验不动了。

在有真值标尺的地方——数学、代码——我们有Lean。但Lean的规则是死的。AI可以靠海量试错，做出逻辑自洽、100%过Lean的证明。但这只说明它在相应的形式化系统中通过了检查，不保证这个形式化命题表达了我们原本想解决的问题。

一个证明可能完全正确、毫无破绽，却只是在回答一个我们根本不需要回答的问题。 它是“对规则很诚实的废话”。

如果连有死规则的地方，人都难以逐一核对前提，那没有真值标尺的地方呢？

投资、战略、社会伦理——这里连Lean都没有。

有人说：船到桥头自然直。

但如果连有尺子的领域，人都快失去判断力了，在没有尺子的旷野里，AI狂奔会带来什么后果？我们还能靠什么去想象、去拦截？

面对这个结构性困境，能抓在手里的，也许只剩一件最笨的事：永远保留人类对“前提”的最终审查权。

Lean不能替我们决定什么值得验证，它只能验我们已经写下的规则。尺子再硬，也回答不了“这题该不该做”。如果连有尺子的地方都难判断，在没有尺子的地方，人类唯一的承重墙，就是我们自己。

但尺子不够的地方，更要自己上场——不是去挡AI，而是去守前提。

结语：你活在哪一层认知里？

文章写到最后，一位朋友问了我一句：

“我活在我的认知框架中，我活在我们的认知框架中。我如何活在世界的规则构架中？”

这个问题，问透了。

你活在自己的认知里，是因为那份认知把你送到了今天——实打实赚来的、验证过的，不是概率，是事实。你活在社会共识里，是因为那是人类协作的契约。

但认知的边界，就是我们对“对与错”的判断条件。

陶哲轩对数学与教育的认知，是一代人最尖的结晶。如今，这个边界条件被AI撞开了。他面临的选择很硬：反抗，还是升华自己的认知？

反抗是本能，旧边界里有安全感。但他仍在创办SAIR、调整考核——在试图升华。因为世界进化的规则，不等人的认知跟上。

AI是一场挡不住的地质运动。进步你拦不住，只能把认知撑大，去拥抱已经发生的结构。

怎么撑？

不是扔掉过去成功的判断力，而是拿着它，去换一张更大的图纸。

这世上，几乎每一个人都认为自己是“怀才不遇”的。

你以为是自己没有天赋？其实不是。是过去的那套规则，那个旧的门槛太高了。 它要求你会写代码、会编曲、会推公式，要求你年轻力壮，要求你挤进那个窄门。很多人一辈子的才华，都被“执行门槛”死死卡住了。

但现在，门槛碎了。

只要你相信自己有天赋、有才华、有想法，哪怕你已经100岁，哪怕你是个逃兵，AI也能在明天让你重获新生。

不要坐在废墟上哭，也不要假装没看见。跨过去，用AI这个超级工具，把你的能力边界撑开，在新世界里重建你的承重墙。

困住你的，从不是天赋，是旧的门槛。

门槛拆了。

别活在过去，去上场。

【作者声明】

《AI的教育》系列，不是在教“怎么用AI”。它问的是另一个问题：当AI把执行层成本打到地板，教育还剩下什么？

本文是《AI的教育》系列的一篇，用《AI的未来》九篇坐标看当下教育问题。文中引用陶哲轩发言、25位菲尔兹奖得主联名声明、Liam Price事件及相关报道，基于公开信息。讨论限定Transformer架构及其当前能力机制。

注明：本文在文献调研、图表制作、文字润色等环节使用了AI辅助；文章的观点、判断与逻辑框架均由本人提出，并由本人负责。

欢迎点击图片 更多延伸作品阅读，

往期发表

点击图片 ↓↓↓ 百篇系列一网打尽 请点击↓↓图片·美国故事连载持续更新1-9

100个国家·1000座城市

【带你深度游世界】

喜欢就点“赞吧 ↓↓↓↓↓↓↓↓