Alex Kontorovich：我一直在和AI系统对话，学数学比我原本能做到的快得多。因为数学的写法是这样的：我有时给研究生一篇论文让他们读，一周后他们回来，我问：“读到哪儿了？”“说实话，没读过第一页。”“哦，是吗？说说看。”“呃，其实连第一段都没读过去。”我说：“好吧，为什么？”“第一句话是‘由非局部系统的微扰理论’，这里面的东西我一个都不懂，所以就卡在那儿了。”我说：“好，你不会读数学论文。你应该跳过开头几段，直接去看，比如说，引理3。从那里开始动手，再倒推回去，弄清楚整篇在做什么。”
但将来不会再有“我不知道这是什么意思”了，因为你只要把论文上传给大语言模型，开始向它提问，它就会精准地找到你的“最近发展区”：这是你已经知道的一切，这是你接下来需要听到的东西，于是你就开始学起来了。如果人们用得好，就能真正给自己的学习加速。我说的不只是孩子，也包括我这样的老古董，也能学新领域。要学一个领域，就像我们的研究生正在经历的那样，他们得把自己的大脑彻底重新布线。学数学仍然很难。
一直到读完硕士、进入博士阶段，都不要求你提出新的数学理论。他们能做的每一件事，都写在某本教科书里。可即便如此，要学会解出很多别人都能解的问题，仍然极其、极其困难，更不用说那些还没人解决的问题了。所以学数学很难，学新的数学更难，至于发现数学、给数学问题找出解法，就更不用说了。但我认为这会变得更容易，这个工具会成为一种了不起的资源，让人们更快地进入那个最近发展区，更快地加深理解。
Lex Fridman：是啊，我在一些我甚至都不……的领域里玩得特别开心。我真想带着现在这些工具回去读研究生。不过我的大脑喜欢的一种学习方式，是构造直观的例子、玩具例子，也就是仍然包含那个核心洞见的最简单的例子，尤其是能交互的。比如我能动手拖动点什么，就会“哦”一下，马上明白了。所有这些学界约定了含义的词，你应该懂的所有记号，诸如此类，只要我知道这个小符号是这个意思，哦，好，明白了，然后一切就都对上了。
而且你会爱上这门学科，我觉得自己可以去碰任何完全在我领域之外的问题。比如我能弄懂蛋白质折叠，我能去调参数、去玩。我能拿一篇DeepMind的论文，抓住其中任何一个方面去玩，想想最简单的例子是什么，问些前面说过的那种像嗑嗨了一样的疯狂问题，就真的能看懂。所以，是的，这太有意思了。问题在于人们有没有学习的动力。这才是难题，是人的动力问题。这才是真正的问题。
Steven Brunton：这里的关键要素是好奇心、会问好问题，还有能识破胡扯。也就是那种……当参谋的批判能力：在自己不是专家的领域获取信息，并判断是需要深挖下去还是提出反驳。我觉得，总会有人好奇、有人不好奇，有人会问好问题、有人不会。我们得比以往任何时候都更大力地提倡这些。让我有点害怕的是，我们指望本科生、年轻学生在学习阶段、大脑还没完全发育成熟的时候，就去和这些工具打交道。我们要求他们具备批判性的……不只是自己的批判性推理能力，还要有当参谋的能力：怎样接收信息并判断真假，或者怎样质疑它？这对我们的教育来说是一项巨大的任务：怎样在人们还是孩子的时候，就培养出好的参谋能力？
Lex Fridman：是啊，我觉得最难的不是本科，最难的是初中，因为……作业是从什么时候开始变难的？到了那个时候，为什么还要做作业？
Steven Brunton：这就是诱惑所在，对吧？
Lex Fridman：那东西直接就……我是说，你看，我之所以懂得了做难事的价值，是因为吃过那些苦，但我觉得那是因为我被逼着去做。可如果因为大语言模型能做、AI能直接帮你，你就不必被逼着去做，我不知道那会造就一个什么样的社会。
Alex Kontorovich：但在这个问题上，数学起步最早，因为计算器是多少年前出现的，70年前？我们仍然让孩子背乘法表。至少我们当中有些人还这么做。而那些说“不用，孩子不需要背乘法表”的人，只要老师和孩子真听了、没去学……那些孩子就真的吃了苦头。因为有人说计算器能算、所以不需要会乘法表，造成了大量大量的痛苦。我希望我们能从中吸取教训：就算计算器能做，你自己也会做的话，会好得多。这并不是说我要算什么东西时不去拿计算器，我当然会拿。
但原则上我自己也能算，正是这一点让……每次你让自己具备一项技能、掌握一项技能。孩子们喜欢掌握技能。他们第一次学会系鞋带时有多开心？你可能觉得：“不就是鞋带吗，谁在乎？”不，那是世界上最棒的事。你想为每一点点独立而庆祝，你希望自己能够思考，你希望不依赖机器。机器能做某件事，并不意味着你不想拥有自己做这件事的能力。
摘自Lex Fridman播客第503期视频（3:11:34–3:17:45），英文原文见官网转录稿，中文为本站译文。
这段话非常元，也非常有启发性。他们提到的这种元认知的学习方式，本身就值得学习；他们说到的AI时代带来的变化，也很有价值。
