AI最擅长内卷，也最擅长淘汰天才
一道题，19秒；一个人，4小时
2024年国际数学奥林匹克比赛中，AI用19秒解出了一道几何题。
同场的银牌选手，在考场里坐了整整四个小时。
这个画面很刺眼。
一个人苦思冥想，纸上画满辅助线；另一边，AI像开了倍速，几秒钟就把答案推了出来。
可事情并没有这么简单。
同一届比赛里，还有两道组合数学题，题目看起来像脑筋急转弯。AI直接卡住，全部失手。
这不是偶然翻车，而是一个很关键的信号：
AI在某些类型的问题上快得惊人，在另一些问题面前，却可能连门都找不到。
咱们真正需要搞清楚的，不是“AI会不会做数学题”，而是：
什么题该交给AI？什么题必须靠人的判断？
AI强在哪里？它擅长处理“可展开”的问题
AI特别适合处理这几类任务。
1. 标准套路清晰的问题
比如：
- 已知角度和边长，求几何关系
- 根据公式计算概率
- 对一组数据进行分类
- 按照固定规则推导结果
- 从大量资料中提取规律
这类题的共同点是：路径相对明确。
题目给出条件，解题过程存在一条或几条常见路线。AI可以快速匹配类似结构，再把步骤铺开。
它不需要像人一样盯着草稿纸发呆三小时，也不会因为中途算错一步而陷入情绪崩溃。
说白了，AI很像一个速度极快、记忆力夸张、不会喊累的解题机器。
2. 需要大量试算的问题
有些问题并不难，麻烦的是计算量太大。
比如：
- 枚举很多种可能性
- 检查多个边界条件
- 尝试不同的参数组合
- 对比几十种证明路径
- 快速验证一个猜想
人做这种题，很容易被重复劳动拖垮。
AI可以在短时间内生成多个方向，再逐个检查。哪怕它最后没有直接给出完美答案，也能帮你砍掉一大片无效路线。
3. 熟悉结构的问题
几何题、微积分题、代数题里，有大量经典结构。
例如：
- 共圆
- 相似三角形
- 对称性
- 不变量
- 递推关系
- 鸽巢原理
- 容斥原理
只要题目的骨架和训练数据里的经典问题相似，AI往往能很快找到入口。
这也是它能在某些高难度题上“秒杀”人类选手的原因。
它不是临时从零开始思考，而是在庞大的知识和模式中进行高速匹配。
AI弱在哪里？它容易卡在“题目到底在问什么”
组合数学题经常有这种特点：
题目文字不长，条件也不复杂，可真正的突破口藏得很深。
你需要先判断：
- 这道题的核心对象是什么？
- 哪些条件是烟雾弹？
- 题目是不是在暗示一个特殊构造？
- 常规方法为什么走不通？
- 有没有必要换一种完全不同的表示方式？
这一步，AI很容易出问题。
它能处理很多“怎么做”的问题，却不一定能准确判断“应该把问题改写成什么”。
一个常见场景
你把一道怪题发给AI，它开始认真列公式：
- 设变量；
- 建立方程；
- 分类讨论；
- 推导结论；
- 输出一个看起来很完整的证明。
问题是，第一步可能就错了。
它把题目当成了熟悉的类型，套上了最接近的模板。答案写得越长，偏离题意可能越远。
这就像拿着扳手修一把锁。
动作很熟练，工具也很专业，可方向完全不对。
AI的“聪明”，和人的聪明不是一回事
人类选手在考场上有一个AI不容易复制的能力：
发现异常。
当一条路线走了十分钟还没有进展，人会停下来问：
会不会从一开始就想错了？
当题目给出的某个条件看起来特别多余，人会怀疑：
这个条件是不是藏着关键提示？
当常规方法全部失效，人会尝试画图、换语言、找反例，甚至先猜答案，再倒推结构。
这种能力不是计算速度，而是重新定义问题。
AI当然也能模拟这些动作。可在陌生、短小、信息不完整的问题里，它经常会表现出一种“很努力地走错路”的状态。
这比直接说“我不会”更危险。
因为错误答案往往写得很像正确答案。
用AI做数学题，别只说“帮我解答”
如果你只输入一句：
请解答这道题。
AI很可能直接开始表演。
更实用的方式，是把它拆成几个角色，让它先分析，再计算。
第一步：要求它识别题型
可以这样问：
请不要直接给答案。
先判断这道题属于哪类问题，并列出可能使用的核心工具。
同时说明：题目中哪些条件最关键，哪些条件可能是干扰项。
这一步的作用，是防止AI一上来就套公式。
第二步：要求它给出多条路线
请给出三种不同的解题思路：
1. 最常规的方法；
2. 最短的证明路线；
3. 如果常规方法失败，可以尝试的替代路线。
不要展开完整计算，先比较每条路线的优缺点。
你会更容易看出它到底有没有理解题目。
如果三条路线只是换了几种说法，说明它可能仍然困在同一个模板里。
第三步：让AI主动找反例
请检查刚才的思路是否存在漏洞。
尝试构造一个反例，重点检查边界条件、特殊情况和隐藏假设。
如果无法验证，请明确指出不确定的位置。
这一步非常重要。
数学证明最怕“看起来顺”。AI生成的内容越流畅，越需要主动验算。
第四步：让它把答案压缩成可检查的证明
请将最终解答压缩成一份严格证明。
每一步都标注使用的条件。
不要跳过关键推理，也不要补写题目中没有给出的信息。
好的解答不是字数多，而是每一步都能被检查。
一套适合学生和上班族的AI解题流程
你可以把AI当成“解题搭档”，不要把它当成“自动交卷机”。
场景：你卡在一道竞赛题上
可以按这个顺序操作：
- 自己先想15分钟：记录已经尝试过的路线。
- 把思路发给AI：让它只找漏洞，不要直接给答案。
- 让AI提供三个新方向：要求说明每个方向的切入点。
- 挑一个方向继续做：别一股脑照抄完整解答。
- 让AI检查你的证明：重点查逻辑跳步和边界情况。
- 关掉AI重新复述：用自己的话写出完整过程。
这个流程比直接复制答案慢几分钟，却能真正留下能力。
否则你会遇到一个尴尬问题：
昨天的题看懂了，今天换个数字，还是不会。
三个最容易踩的坑
坑一：把答案写得长，当成答案正确
AI可以用很自然的语言包装错误推理。
检查答案时，别看它讲得像不像老师。看这些地方：
- 是否偷换了概念？
- 是否使用了题目没有给出的条件？
- 是否漏掉了特殊情况？
- 是否把“可能成立”写成“必然成立”？
- 是否真的回答了原问题？
坑二：题目一难，就让AI全包
这样做短期很爽。
你能迅速得到一份完整解答，却失去了发现突破口的训练。
更好的做法是分阶段求助：
- 只要提示，不要答案；
- 只要指出错误，不要重写；
- 只看下一步，不要展示全部过程。
把AI的帮助控制在“刚好能继续思考”的程度。
坑三：忽略AI的自信语气
AI说“显然”“容易得到”“不难看出”时，你要警惕。
这些词后面，常常藏着真正需要证明的关键步骤。
看到这类表达，直接追问：
请不要使用“显然”“容易得到”这类省略表达。
把中间推理完整展开，并说明每一步为什么成立。
这招对检查数学、代码、数据分析都有效。
真正会被AI淘汰的，可能不是天才
AI会压缩大量标准化工作。
会套公式的人，会背模板的人，会把流程重复执行的人，压力会越来越大。
可真正有价值的能力，不只在于算得快。
更重要的是：
- 能不能发现问题问错了；
- 能不能从混乱信息里找到关键条件；
- 能不能识别一个漂亮答案里的漏洞；
- 能不能把陌生问题改造成自己熟悉的形式；
- 能不能提出一个AI没有主动想到的新问题。
AI可以替你跑很多路。
但哪条路值得走，仍然需要人判断。
它能把标准题做得飞快，也能在怪题面前原地打转。
所以，别把AI当成全知全能的老师。
把它当成一个速度极快、知识很多、偶尔会一本正经胡说八道的搭档。
你负责定义问题、判断方向、检查结论。
它负责计算、整理、试错、补充视角。
这才是更稳的用法。
而那些真正会被甩开的人，往往不是不会做题的人。
是只会接受答案，却不会追问答案为什么成立的人。
