昨天看了一段数学家的访谈。这位数学家在国际数学界颇有名气，年轻时还是一名公认的神童。
我记得访谈一开始，他就谈到了自己最近的一些感受。
他说，过去数学界如果出现一个新的数学证明，或者某个比较重要、比较著名的定律被证明出来，数学家们通常会暂时放下手头的工作，花时间去研究和学习这些新的成果。
因为一个新的证明、一项新的发现，对于数学家来说，往往不仅仅意味着多了一个答案，更意味着一个新的研究方向，或者对某个领域有了新的认识。
所以，大家会愿意花时间去理解它、消化它。
但有了AI以后，尤其是今年以来，这种情况似乎发生了很大的变化。
最近几个月，AI频繁地证明出一些过去的数学难题，或者为一些已有定理提供新的证明方法。随着类似的成果越来越多，甚至已经到了近乎“海量”产生的程度，数学家们反而开始有些跟不上了。
因为这些证明并不是简单地看一眼结果就可以。
真正有价值的数学证明，需要花时间去阅读、理解，弄清楚它为什么成立，为什么这样证明，以及它背后有没有新的思路。
但当AI不断产生新的证明，而且速度远远超过人类能够消化的速度时，问题就出现了。
这位数学家甚至坦言，就连他自己，现在也不得不放弃跟踪一些主流的数学证明。
不是不想看，而是实在没有那么多时间和精力。
从他的谈话中可以感觉到，他对AI的发展持有一些比较负面的看法。
其中有一个观点，我其实很有共鸣。
他认为，AI的出现以及快速迭代，让人越来越习惯于快速得到答案，却可能因此忽略了真正重要的——求知的过程。
对此，他举了一个很有意思的例子。
人在求知和探索的过程中，往往并不是一条笔直的道路。
也许你在某个方向上遇到了挫折和困难，花了很长时间依然没有找到答案，但就在不断尝试的过程中，却可能在另外一个地方获得了意外的收获。
甚至有时候，正是一次失败、一个错误，或者一条看似走不通的路，让你发现了另一个此前从未想到的问题。
所以，求知的价值，并不只在于最后得到那个答案，更在于通往答案的过程中，你经历了什么，又发现了什么。
而有了AI之后，人显然更容易变得缺乏耐心。
遇到问题，越来越习惯于直接询问AI，然后迅速得到一个看起来完整、甚至无可挑剔的答案。
这样当然更高效。
但与此同时，那些原本需要自己经历的困惑、试错、失败和偶然发现，也可能因此被跳过去了。
在这位数学家看来，恰恰是这些看似“低效”的经历，曾经是培养一个数学家成长过程中非常重要的一环。
他还提出了另外一个让我印象很深的观点。
他认为，AI与人最大的区别之一，是AI更倾向于“为了证明正确而证明”，但人类真正的科学探索，却不应该只是追求一个能够解释现有结果的答案。
他举了哥白尼“日心说”的例子。
在哥白尼提出日心说之后很长一段时间里，传统的“地心说”并不是一个轻易就能被推翻的理论。相反，经过长期的发展和修正，地心说已经建立起了一套相当复杂的计算体系，在解释当时大量天文观测时，也具有很强的“解释能力”。
而早期的日心说同样存在问题，并不是一提出就完美无缺。
后来，随着开普勒等人的研究（开普勒发现行星轨道为椭圆轨），人们逐渐认识到行星的运行轨道并不是简单的圆形，而是椭圆形。日心说也在不断修正和完善的过程中，最终建立起了更加准确的天文学体系。
这个过程其实很有意思。
如果当时已经有今天这样的AI，它很可能会根据当时已有的观测数据和计算结果，对不同理论进行比较。假如地心说在当时的预测结果看起来更好，那么AI很可能会认为地心说是一个更加可靠的模型，而把早期并不完善的日心说判断为错误的方向。
但科学的发展恰恰告诉我们：
一个理论在当下能够更好地解释已有数据，并不意味着它就一定更接近真相。一个真正具有突破性的理论，有时候恰恰需要推翻过去那些看起来已经非常完善的解释。
Image by Katharina Michels from Pixabay
我对这位数学家的部分观点是认同的，但对于他认为AI的出现和应用会阻碍数学家的培养，我并不赞成。
在计算器出现之前，中国人使用算盘已经有上千年的历史。那个时代，算盘是一种非常重要的计算工具，掌握算盘意味着拥有相当强的计算能力。
但计算器出现以后，我们显然没有必要再要求每个人都去学习如何打算盘。不是因为算盘没有价值，而是因为工具进步了。
同样，计算机出现以后，面对复杂的计算，我们也没有必要再依靠过去那种繁琐的人工计算方式。计算器能够解决的问题，就交给计算器；计算机能够完成的事情，就交给计算机。
这并不是人类能力的退化，而恰恰是工具进步之后，人类把自己从低效率、重复性的工作中解放了出来。
AI其实也是一样。
它会不断倒逼我们掌握更加先进的工具，同时也会迫使我们重新思考：在机器已经能够完成一部分工作的情况下，人类究竟还需要掌握什么？
旧的工具该淘汰，就应该淘汰；旧的思维方式如果已经不再适应新的环境，也应该改变。
如果一个时代已经进入了AI时代，我们却还要求下一代人花大量时间去掌握那些AI已经可以高效完成的事情，甚至把过去的学习方式当成培养人才的唯一标准，那么守住的可能并不是传统，而是效率的损失。
当然，这并不意味着所有传统都应该被抛弃。
算盘可以不用，但数学不能丢；计算器可以代替大量计算，但数学思维不能被代替；AI可以帮助我们寻找答案，但我们依然需要知道自己为什么要问这个问题。
所以，回到最开始的问题：
AI会让人失去思考吗？
我的看法是，会。
但它让我们放弃的，更多可能是一些旧式的思考方式。而与此同时，它也会迫使我们发展（倒逼）出更高阶的思考维度。