目录

如果用来加深自己的理解,AI就能帮助学习数学。衡量它的价值,应看使用后自己能解释什么、解决什么问题,而非得出答案的速度。

要点#

  • 在AI有助于更准确地理解数学概念时使用它。
  • 自己动手解题。仅仅阅读解答,并不意味着能独立重现其中的推理。
  • 不看笔记,向他人解释所有步骤,以检验理解。
  • 即使AI生成的证明和例子很有说服力,也应加以验证。

明确学习目标#

所提供的这篇2026年11月的文章为研究生数学教育提出了明确目标:培养能够深入理解数学并开展研究的人。产出更多正确命题,是另一个目标。

即使结果经过Lean等系统的形式化验证,这一区别也很重要。验证可以确认,形式化后的命题能由指定的定义和假设推出。但仅凭这一点,无法解释这个结果为何重要、如何发现它,以及学生应培养怎样的直觉。

在用AI学习之前,先问自己:“这能帮助我理解什么?”弄清证明中缺失的一步,是有益的目标。为了不再思考而获取完整解答,则背离了这一目标。

先自己尝试,再有针对性地提问#

独立尝试能为你提供与AI回答进行比较的材料。如果没有这一步准备,即使觉得流畅的解释通俗易懂,真正的难点也可能仍未触及。认得符号,并不意味着理解论证为何成立。

读不懂教科书中的证明时,可以尝试以下4个步骤。

1. 准确写下自己无法给出依据的断言。 2. 确认此时可用的定义和假设。 3. 尝试简单的例子或直接推导。 4. 展示自己的尝试,并向AI询问剩余的疑点。

只寻求必要的帮助,例如:“哪个假设能为这一步蕴含提供依据?”“请给我提示,不要完成证明。”缩小问题范围,更便于审视答案并继续独立推理。如果每次看完答案都会失去思考的意愿,就等独立尝试结束后再使用AI。

亲自检验例子#

AI可以提出一些自行构造较为耗时的例子和反例。文章作者表示,这种帮助让自己得以考察更多数学模式,并解决了以往搁置未解的问题。这是个人经历,并非所有学生都能同样受益的证据。

实践中的启示是,把生成的例子当作练习。检查对象是否满足给定定义。亲自计算简单情形。对于候选反例,既要确认它满足假设,也要确认结论不成立。

你也可以问AI,去掉一个假设会怎样。然后在纸上检验它的回答。这样,回答就变成了具体的数学任务,各个假设的作用也会逐渐显现。

不看笔记,检验理解#

文章提出了一个严格标准:不查阅任何资料,逐行向他人解释内容。研讨班是很好的场合,因为听众可以在解释开始含糊的地方当场提问。

用AI学习后,关闭对话,在白纸上重建论证。陈述定义,指出每个假设用在何处,并为每一步推导提供依据。遇到无法重现的步骤,应将其记为疑点,而不是用“显然”之类的话带过。

重建论证检验你是否掌握了推理,提问则检验你能否运用它。请听众改变假设或要求举例。如果解释卡住,就回到那里重新钻研。

验证答案,把握学习主线#

AI生成的数学内容需要验证。回答可能在不满足假设时使用定理、改变符号的含义,或给出不符合所述条件的例子。文字清晰并不能消除这些问题。

对于每个准备采用的回答,都要检查四点:定义、假设、所有推理,以及引用的结论。如果可以进行形式化验证,它能提供另一种保障。即便如此,仍需确认形式化后的命题是否对应自己原本想问的数学问题。

将精心选择的教科书或课程作为学习主线。从其选题、论证顺序和例子中,可以学到零散回答无法传达的思考方式。在这一框架内使用AI探究疑点,并事先与导师约定,在提交的作业中可以使用AI到什么程度。

下一步#

选一个最近借助AI学习的证明,关闭所有参考资料,从白纸开始大声讲解。标出第一个无法给出依据的步骤,将其作为下一个学习任务。

来源: https://www.ms.u-tokyo.ac.jp/~konno/grad_ai.html

目录