陶哲軒在 ICM 2026 談 AI 時代的數學與理解哲學
一、超越「能力爭論」：我們該問的是目的，而非能力
過去幾年，圍繞 AI 的討論大多停留在「AI 到底能不能做數學？能不能考高分？能不能解出未解難題？」這被陶哲軒稱為「AI 能力猜想（AI Capability Conjecture）」。
然而，陶哲軒在演講中強調，我們必須跨越這個層次。問題不再是 AI 做不做得到，而是「數學共同體的目標與核心價值到底是什麼？」如果 AI 可以在幾秒鐘內證明一個百年難題，但產出的代碼與推導過程長達數萬行，沒有任何人類能夠看懂，這算不算數學的勝利？
二、解構「解題」：從生成答案到凝練洞察
為了釐清這個問題，陶哲軒將傳統的「數學研究與解題」細化為五個關鍵層次：
- 生成證明（Generate Proofs）： 產生計算過程與邏輯步驟。（AI極度擅長）
- 驗證證明（Verify Proofs）： 透過形式化系統（如 Lean）檢查是否正確。（AI與電腦極度擅長）
- 解釋與溝通（Explain & Communicate）： 將繁複的推導轉化為簡潔、優雅、能讓人類心智吸收的架構。（AI 目前非常微弱）
- 價值評估與吸收（Examine & Value）： 判斷這個研究對整體知識體系有何深遠影響。（依賴人類同儕）
- 凝練與教育（Systematize & Educate）： 寫成教科書、發展新的思考模型，傳承給下一代。（完全屬於人類領域）
AI 目前在語法、格式與基礎計算上非常完美，但在「抓住重點」與「給出洞察（Insight）」上依然笨拙——它往往會花大量篇幅解釋顯而易見的細節，卻把最精妙的核心步驟一筆帶過。
💡 關鍵比喻：從「食物匱乏」到「熱量過剩」
陶哲軒比喻：過去數百年，人類處於「解答匱乏」的時代，就像面臨饑荒，我們瘋狂追求熱量（答案與計算）；但現在，我們正進入「答案豐裕/過剩」的時代。
在食物過剩的時代，問題不再是「如何吃到更多熱量」，而是「如何挑選優質營養、避免肥胖與消化不良」。數學與科學教育也是如此：我們的目標不再是生產更多粗糙的答案，而是培養揀選、品味、消化與優雅解釋的能力。
三、古德哈特定律的警鐘：別讓「代理指標」摧毀教育
這場演講對現代教育帶來了極具震撼力的啟示。經濟學上有名的古德哈特定律（Goodhart's Law）指出：「當一個指標變成目標時，它就不再是一個好指標。」
傳統教育的運作邏輯往往是：知識 → 練習 → 考試 → 分數。我們習慣把「會算、會背、分數高」當成學生「懂了」的代理指標（Proxy）。然而，在 AI 時代，計算與答案變得近乎免費，這些傳統指標極易被「遊戲化（Gamified）」。
如果老師依然把「交出完美計算作業」或「熟練公式推導」作為唯一的 KPI，AI 只會讓古德哈特定律加速爆炸——我們收穫了滿分的作業，卻培養出一群完全沒有思考能力的學生。
四、教育的範式轉移：建構「不可作弊」的能力
從陶哲軒的哲學出發，未來的教育必須從「解題教育」轉向「理解教育」。正如化學領域不再只是比拼配平化學式或計算反應速率（這些 AI 秒級就能完成），而是要探討分子對稱性、能量景觀（Energy Landscape）以及微觀結構與巨觀美學的連結。
我們需要重新定義學習的路徑：
Knowledge（知識） → Understanding（理解） → Explanation（解釋） → Insight（洞察） → Creation（創造）
真正「不可被 AI 遊戲化」的能力包含：
- 不是問「會不會算」，而是問「能不能向他人優雅地解釋背後的原委？」（響應費曼學習法：無法解釋，就代表並未真正理解）。
- 不是問「能不能找到答案」，而是問「能不能提出一個前所未有的好問題？」
- 不是單點知識的記憶，而是跨領域的連結能力（例如將群論、拓撲學與化學分子結構進行跨界統合）。
結語：培養優雅的創造者
陶哲軒演講的核心精神傳遞了一個極其明晰的訊號：真正有價值的，不只是證明本身，而是讓整個共同體理解這個證明。
AI 的崛起並非教育的末日，而是教育回歸本質的契機。未來的教育不再需要培養高效率的「計算機器」，而是要滋養能夠深刻體悟、熱情解釋、並能跨越領域邊界進行創造的靈魂。
Comments
Post a Comment