【从围棋到数学：AI赋能人类能力，存在一道天然鸿沟】

快速阅读：AI 对人类能力的提升，可能并非来自智力本身的进化，而是人类学会了如何利用更强的“评估器”进行优化。这种模式在围棋和国际象棋中已被验证，但在数学领域能否复现，取决于数学的反馈机制是否能像游戏一样即时且清晰。

围棋在 AlphaGo 之后确实变强了，这种直觉很自然：既然有了超人类的对手，人类也会随之进化。但这种进化可能是一场关于“优化”的错觉。

有观点认为，围棋选手的进步未必是棋力深度的质变，更像是人类学会了如何针对更强的评估标准进行优化。就像在编译器更新后，程序员学会了写更符合新指令集逻辑的代码。甚至有网友指出，这种所谓的进步，很大程度上源于对 AI 棋谱的记忆，一旦进入到棋局中后期，人类的准确率并没有显著超越过去。

数学的逻辑链路比围棋复杂得多。围棋的反馈是即时的、二元的，赢或输一目了然。数学则缺乏这种干净的反馈。如果 AI 只是给出一个结果，人类可能只是学会了如何“解释”结果，而不是如何“推导”逻辑。

如果数学的进步依赖于人类与 AI 的协作模式，那么这种“半人马”模式的生命周期可能非常短暂。在棋类竞技中，顶尖选手的年龄在不断下降，这说明 AI 降低了学习门槛；但在数学领域，驱动力是探索知识边界，而非战胜对手。

如果 AI 无法提供比人类导师更有效的教学反馈，人类可能只会变成 AI 结果的解释者。

x.com/polynoamial/status/2059932468820816354