天賦還是訓練？從AI看，這也是一個問題

魏忠

上海海事大學/庚商教育智能科技

wising@sina.com

至今最感謝的老師，還是高中階段的數學楊老師，雖然他只作為代課教師教了我一個月。那是高中二年級的冬天，由于我不太愛聽課，在幾何課堂上，為了混過去，加上剛剛搞懂某種反證法進行邏輯證明，就直接用自己發明的一套代數方法解題。楊老師看了我的作業，雖然很吃驚，但并沒有責備我，而是叫我到他家聊天。楊老師告訴我：“你確實有些數學特長，然而，在數學上即使是天才，能夠出頭的人也是很少的，原因在于數學不僅僅是一種天賦的智慧，還有一套經過幾百年約定俗成的語言符號系統，你靠自己去構建這套語言系統是很困難的，如果你希望考一所好大學，捷徑就是去掌握這套語言系統。”后來，我認真地把數學基本定理掌握后，數學成績突飛猛進，上了一所重點大學。

天賦與智慧，還是訓練有素，誰更重要，我一直沒有答案。最近，人工智能工具大規模出現，又讓我對這個問題糾結不已。到底讓不讓學生們使用工具，還是先讓學生們梳理思路？這也一直是一個問題。

我發現，在每屆學生中，總有那么五六位學生，代碼水平比我高，工具水平也比我高，因此在技能實驗環節中，我讓那五六位學生當助教教授其他學生，讓學生將自己的思路畫出來變成圖譜，再用我的智慧來判斷他們的天賦和糾正他們的邏輯錯誤。當他們再問我具體問題時，我說：“這是經過訓練的人才能解決的問題，我只能進行思路上的指導。”同時，我舉了一個例子讓學生明白這件事。如果你需要一個發散的和充滿智慧的答案，你可以向Kimi詢問，Kimi是一個通用人工智能模型，回答非常迅速，但幻覺也很強，作為你的老師給你的建議也是這樣的，但這樣充滿智慧和幻覺的建議用途并不大；然而，你如果把Kimi給出的結論再次輸入到Dify或者Coze當作問題，如果你的Dify或者Coze有充分的私域知識庫支持的話，那么你會發現答案迅速得到增強和收斂。這個時候，你發現你不僅僅需要一個智慧和具有天賦的大模型，更需要一個訓練有素的RAG（增強知識檢索）。哪個更重要，永遠是一個糾結的問題。

人工智能為什么有效，其實在理論上也是一個“To be or not to be”的問題，數學和邏輯學是一種理性的天賦，馮·諾依曼、圖靈、香濃、維諾等通過純理性的布爾計算，構成一個所謂的計算機架構進行計算與控制。在人工智能的早期階段，人們長時間以為理性與天賦就是一切，然而從皮茨到辛頓的人工智能的實踐證明，“連接與計算”極其重要，深度學習以后的人工智能也證明了這一點，那就是“訓練才是重要的”。

最近，深度神經網絡之父辛頓有一個著名的演講，當講到人工智能時，他認為人的語言學習是訓練的，但這種訓練的前提是建立在大腦有預存的充分預制的連接，其實又是天賦。因此，天賦與訓練，先有雞還是先有蛋，確實是一個很復雜的問題。教育專家很早就發現，具備語言天賦的人往往具備科學天賦，然而語言并不是先天就具備的，很多語言規則是近期人們才約定成俗的，再有天賦，語言規則也是需要時間訓練的。因此，很多數學天才要么需要掌握非常復雜的數學符號語言，要么更厲害的一些人則自創一套語言符號系統。

寫到這兒，我又回憶起我高中的那個冬天……