摘要：人工智能正在以惊人的速度重塑我们学习、工作和创造的方式。从代码生成到论文写作，AI似乎正在接管所有“可计算”的智力劳动。这不禁让我们每个人都开始思考一个根本问题：当机器能比我们更快、更准地解决问题时，我们人类的原创思维，其价值将何去何从？

人工智能正在以惊人的速度重塑我们学习、工作和创造的方式。从代码生成到论文写作，AI似乎正在接管所有“可计算”的智力劳动。这不禁让我们每个人都开始思考一个根本问题：当机器能比我们更快、更准地解决问题时，我们人类的原创思维，其价值将何去何从？

被誉为“当世最伟大数学家”的陶哲轩，在近期与Lex Fridman的深度访谈中，为我们提供了一份极具启发性的答案。他不仅探讨了数学最前沿的难题，更重要的是，他分享了自己独特的思维方式，以及对人机协作未来的深刻洞见。

这篇文章，将聚焦于陶哲轩给年轻人的三条建议。它们表面上是关于如何学习数学，但其内核，却是一套在AI时代放大人类独特智能、保持创造力核心优势的思维路径。这或许是驾驭这个新时代的一张重要的地图。

路径一：调用你的“全脑”，而非寻找“数学脑”——人类的类比与跨界优势

许多人放弃数学，是因为相信自己没有一个专门的“数学脑”。陶哲轩的第一个建议，就彻底颠覆了这个迷思。

“我的理论是，人类并非天生就有一个‘数学中心’。我们有视觉中心、语言中心……我们所做的，是重新利用我们大脑的其他区域来做数学。”

他指出，顶尖的数学家们思考的方式千差万别：有人用图像思考（视觉中心），有人用符号和逻辑叙事思考（语言中心），有人则视之为一场游戏（策略中心）。

这意味着我们最宝贵的资产，恰恰是这种认知上的灵活性和跨领域的类比能力。当前的AI模型，其强大之处在于在单一、明确定义的领域内进行深度优化。但人类心智的奇迹在于，我们能将一个领域的知识、直觉和模型，“嫁接”到另一个看似毫不相关的领域。

就像陶哲轩在访谈中，为了理解流体力学中的“爆破”问题，竟然构想出了一个由水流驱动的“流体计算机”——这个疯狂的念头，连接了物理学、计算理论和生命科学（自复制）。这正是AI目前无法企及的、真正的创造性飞跃。

行动指南：刻意训练自己“调用全脑”的能力。面对一个数据分析问题，不要只想着统计模型，试着问：它能被“画”成一幅什么样的画？它能被“讲”成一个什么样的故事？这种跨模态的思考练习，将构建起AI难以复制的思维护城河。

路径二：从“无用”的爱好中寻找真问题——人类的好奇心驱动优势

标准化教育体系最大的问题，是它提供了太多的“标准问题”和“标准答案”。但在AI时代，解决已知类型的问题，将越来越成为机器的工作。人类的核心价值，在于提出新的、有价值的问题。那么，这些问题从何而来？陶哲轩认为：课堂之外，你的热爱所在。

“现在有很多课堂之外丰富数学知识的资源……比如在业余扑克玩家中，他们出于非常具体的原因，对特定的概率问题产生了兴趣。”

AI的学习是“数据驱动”的，它只能在人类已经标注和整理好的知识海洋里学习。而人类的好奇心，是这个知识海洋的源泉。一个扑克爱好者对概率的痴迷，一个游戏玩家对算法的探索，一个历史迷对文本模式的挖掘——这些源于个人热情的“无用”之事，恰恰是发现新知识、创造新数据、定义新问题的源头。

这些由真实兴趣驱动的探索，往往能产生AI训练集中不存在的、高度个性化和情境化的问题。当你深入其中，你就不再是AI的使用者，而是在为整个知识体系开辟新的疆域，甚至在为未来的AI模型创造它们闻所未闻的“训练数据”。

行动指南：将你的专业技能，应用到你真正热爱的业余领域中去。用你的编程能力去分析你喜欢的音乐，用你的文本分析技巧去研究冷门的历史文献。在这个过程中，你不仅能获得巨大的乐趣和内在驱动力，更有可能发现那些尚未被AI触及的、真正原创的研究课题。

路径三：“战略性作弊”，成为AI的指挥官——人类的顶层设计优势

当面对一个真正宏大而困难的问题时，无论是人类还是AI，都可能陷入瘫痪。陶哲轩的第三条建议，是一种极富智慧的“项目管理”哲学。

“解决难题的方法，不是硬扛，而是‘战略性作弊’。如果一个问题有10个难点，那就关掉9个，只留下1个来解决。”

这意味着，人类的核心角色，将从“解题者”转变为“问题设计师”和“战略指挥官”。AI是一个能力超强的“士兵”，你可以命令它去执行一次复杂的计算，或者验证一个逻辑上的一万步推导。但是，决定“打哪场仗”、“如何分解战场”、“在关键时刻应该忽略哪些次要矛盾”，这些顶层的战略决策，依然需要人类的智慧。

“战略性作弊”的本质，就是一种对复杂问题的解构和优先级排序能力。陶哲轩在访谈中提到，当他和一个错误百出的AI合作时，感觉像herding cats，因为AI缺乏对整体方向的把握。而人类的优势，恰恰在于能够凭借直觉和“嗅觉”，判断出哪些简化是“有益的作弊”，哪些则是会导向死胡同的“致命错误”。

行动指南：在你的研究中，将自己定位为“项目架构师”，而将AI视为你的“首席工程师”。你的核心工作不是写每一行代码，而是定义问题的边界，设计验证的路径，并创造性地简化问题，为AI设置一系列可以完成的“子任务”。学会驾驭AI，而不是被AI的任务列表所驾驭。

陶哲轩的这三条思维路径建议——调用全脑的类比能力、好奇心驱动的提问能力、战略性的问题设计能力——共同指向了一个清晰的未来：AI时代，最稀缺的不再是计算的速度和精度，而是思想的深度、广度和原创性。

AI不会取代伟大的思考者，它只会让伟大的思考者变得更加强大。

来源：古籍