用大脑神经网络的快系统与慢系统的逻辑,考虑数学的数理、数感与套路这三者的关系,也就意味着:数理相当于慢系统的学习,在慢系统反复加强后变成快系统的决策逻辑,就成了数感。而套路则是跳过了数理阶段直接进入快系统的数感,如果没有慢系统数理的积累,则在遇到新题型新定义时就无法解出正确的答案。
上述是基于奥数学习的感悟,以下是在利用AI确认这一想法的过程中对AI的感悟(尤其是在Google发布了Gemini 3和Nano Banana Pro之后)。
从AI使用的角度来说,现阶段每一次大模型能力跨越式的提升,都意味着一批人的失业(如果没有,那可能是在一个不够降本增效的环境中,基于某些特殊文化所致)。
在模型能力范围内的专业领域,人类的专业优势已经不复存在,更重要的是跨学科的泛化能力,以帮助用户利用模型能力把问题分析、解决方案与决策系统搭建得更全面。
但在超出模型能力范围之后,因LLM会产生幻觉,所以需要系统化的专业知识储备与实务经验,及时分辨并修正模型的幻觉,以便得到更加可行的方案。
也就是说,你越不学习、越不爱思考,你利用AI的过程中就越容易犯错,或者直接被AI所取代。这也进一步解释了:为什么有些人习惯躺在自己的舒适圈里固执己见,将错就错。