天赋还是训练？从AI看，这也是一个问题

魏忠

上海海事大学/庚商教育智能科技

wising@sina.com

至今最感谢的老师，还是高中阶段的数学杨老师，虽然他只作为代课教师教了我一个月。那是高中二年级的冬天，由于我不太爱听课，在几何课堂上，为了混过去，加上刚刚搞懂某种反证法进行逻辑证明，就直接用自己发明的一套代数方法解题。杨老师看了我的作业，虽然很吃惊，但并没有责备我，而是叫我到他家聊天。杨老师告诉我：“你确实有些数学特长，然而，在数学上即使是天才，能够出头的人也是很少的，原因在于数学不仅仅是一种天赋的智慧，还有一套经过几百年约定俗成的语言符号系统，你靠自己去构建这套语言系统是很困难的，如果你希望考一所好大学，捷径就是去掌握这套语言系统。”后来，我认真地把数学基本定理掌握后，数学成绩突飞猛进，上了一所重点大学。

天赋与智慧，还是训练有素，谁更重要，我一直没有答案。最近，人工智能工具大规模出现，又让我对这个问题纠结不已。到底让不让学生们使用工具，还是先让学生们梳理思路？这也一直是一个问题。

我发现，在每届学生中，总有那么五六位学生，代码水平比我高，工具水平也比我高，因此在技能实验环节中，我让那五六位学生当助教教授其他学生，让学生将自己的思路画出来变成图谱，再用我的智慧来判断他们的天赋和纠正他们的逻辑错误。当他们再问我具体问题时，我说：“这是经过训练的人才能解决的问题，我只能进行思路上的指导。”同时，我举了一个例子让学生明白这件事。如果你需要一个发散的和充满智慧的答案，你可以向Kimi询问，Kimi是一个通用人工智能模型，回答非常迅速，但幻觉也很强，作为你的老师给你的建议也是这样的，但这样充满智慧和幻觉的建议用途并不大；然而，你如果把Kimi给出的结论再次输入到Dify或者Coze当作问题，如果你的Dify或者Coze有充分的私域知识库支持的话，那么你会发现答案迅速得到增强和收敛。这个时候，你发现你不仅仅需要一个智慧和具有天赋的大模型，更需要一个训练有素的RAG（增强知识检索）。哪个更重要，永远是一个纠结的问题。

人工智能为什么有效，其实在理论上也是一个“To be or not to be”的问题，数学和逻辑学是一种理性的天赋，冯·诺依曼、图灵、香浓、维诺等通过纯理性的布尔计算，构成一个所谓的计算机架构进行计算与控制。在人工智能的早期阶段，人们长时间以为理性与天赋就是一切，然而从皮茨到辛顿的人工智能的实践证明，“连接与计算”极其重要，深度学习以后的人工智能也证明了这一点，那就是“训练才是重要的”。

最近，深度神经网络之父辛顿有一个著名的演讲，当讲到人工智能时，他认为人的语言学习是训练的，但这种训练的前提是建立在大脑有预存的充分预制的连接，其实又是天赋。因此，天赋与训练，先有鸡还是先有蛋，确实是一个很复杂的问题。教育专家很早就发现，具备语言天赋的人往往具备科学天赋，然而语言并不是先天就具备的，很多语言规则是近期人们才约定成俗的，再有天赋，语言规则也是需要时间训练的。因此，很多数学天才要么需要掌握非常复杂的数学符号语言，要么更厉害的一些人则自创一套语言符号系统。

写到这儿，我又回忆起我高中的那个冬天……