数学剩下的那部分，正好是自学最缺的那部分

B 站有个视频在问 AI 时代还要不要学数学，底下一条高赞弹幕说，当然学，AI 没有数学思维。这条弹幕和它反对的那句话，站在同一个前提上。这个问题底下还压着一个更实际的问题：工具都这么强了，我能不能少学一点。

先把结论放这儿：一道需要算的事情分三步，第二步的价格这三年掉到了接近零，第一步和第三步没动。吵架的两边都在争第二步。真正留下来的是第三步，判断一个结果对不对，而这一步恰好是一个人自学时最缺的东西。下面分四段说清楚这件事，以及该从哪儿补起。

一 中间那步的价格归零了，剩下的两步接不走

拿任何一道需要算的事情拆开看，都是三步。第一步，把现实里的事情写成式子：有几个量，哪个随哪个变，什么跟什么成比例，哪些可以先不管。第二步，算。第三步，拿到一个结果，判断它对不对。

这三步里，第二步的价格掉得最狠。不是快了一点，是便宜到你可以把同一件事反复算十遍，一次都不心疼。你去问它一个积分，它给你答案，给你步骤，还能换三种方法再做一遍。

现在回头看那两句吵架的话。一句是，AI 都会算了，学这个干什么。另一句是，AI 没有数学思维，所以更要学。前一句说第二步已经有东西替代，这句是对的；后一句想说第二步之外还有东西，这句也是对的，可它说不出那个东西具体是什么，只好叫它思维。

那个东西有名字，而且很具体。它是判断一个结果对不对的能力。

为什么这一步接不走？因为一个答案对不对，经常不在算式里面。

算式内部的一致性，机器查得比人好：括号配没配平、符号有没有抄错、代入对不对，这些它不会累。可大部分错不是这种错，大部分错是这个数在现实里根本不可能存在。可能是单位差了一个量级，可能是你比的两个东西压根不在同一个基准上，也可能是你把一个会饱和的量当成了会一直长下去的量。

这些都要用式子外面的信息才能发现，而那个信息在你身上。你知道这个号平时一天多少阅读，你知道这种帖子能活几天，你知道上一次差不多的东西是什么量级。机器手里没有这些。你不给它，它就只能在你给的那个前提上，把活干得又快又漂亮。

第三步不是算力问题，是你手里有没有一个可以用来对质的事实。

二 这一步你每天都在做，而且经常做错

举一个场景，整篇只用这一个，因为它够深。

你有一个账号，上面有很多条内容，你想知道哪条做得好。你打开后台，看阅读量。

这里第一个坑就埋好了：阅读量是一个累积的数。 它从发出去那一刻开始往上加，加到今天。所以一条发了三个月的帖子和一条发了三天的帖子，哪怕阅读量一模一样，你把它们并排比，比的是曝光时间。内容的好坏完全没进这个比较。你得出的结论是三个月那条跟三天那条一样好，而实际情况是三天那条的速度快了三十倍。

这是我自己撞过的。撞完以后我给自己定了一条规矩：比累积指标之前，先问帖龄一样吗。现在我把这条规矩的零件拆给你看。

第一个零件：累积的数和速度的数是两样东西。 阅读量是累积，每天新增阅读是速度。你关心内容好不好，关心的是速度；你关心影响力多大，关心的是累积。这两个数可以反着走：一条帖子的累积在涨，速度可能已经掉到零了，涨的那部分是旧账还在慢慢结。这个区别有名字，速度是累积的导数，累积是速度的积分。同一组区别换个领域照样成立，我写燃烧率那篇讲的流量和存量就是它。

第二个零件：两样东西不在同一个基准上，就不能直接减。 帖龄不同的两条帖子，要么都看前三天，要么都看前三十天，总之得先换到同一个起点上。这件事也有名字，叫换变量。

第三个零件：有些量会饱和，有些不会。 一条帖子的阅读量会饱和，因为能看到它的人是有限的，它最后会压成一条平线；一笔按月复利的钱不会饱和。你拿第一个的前三天去外推一年，会推出一个荒唐的数；你拿第二个的前三天去外推一年，会推出一个偏小的数，方向还反着。这个区别也有名字，一个是逼近上限的过程，一个是指数。

现在看这个结构：我手里那条规矩，是三个数学概念的经验版本。 我是被坑出来的，不是学出来的。坑完以后它只能用在那一个地方，因为我不知道它叫什么。知道它叫什么之后发生了一件事：它能搬到别的地方去了。凡是拿累积量除以一个跟时间有关的东西算出来的指标，我现在都会先问同一个问题。

这就是补名字的全部好处。不是让你算得更快，是让你手里那条只在一个地方成立的经验，能搬到你还没遇到的地方去。

三 所以该补哪一段，有一条判据

一个数学概念，只有你身上已经有了它的经验版本，补名字才有用。

经验版本的意思是，你在实践里已经做对过或者做错过这件事，只是不知道它叫什么。你已经知道比两条帖子要先对齐帖龄，那你补导数和积分，当场就有接口，补完立刻能推广。你没算过任何一个要用到级数收敛的东西，那你背下收敛判别法，三个月后手里只剩一个词，它悬在半空，因为你身上没有任何一处能接上它。

这条判据会直接推翻一个常见的做法：拿一本高等数学教材从第一页往后学。那本书的顺序是知识的顺序，先极限、再连续、再导数、再积分、再级数、再多元、再场论，一层垫一层，逻辑上严丝合缝。可那不是你的经验的顺序。你身上的经验是散的，分布在你做过的事情上，极可能第四章有三个接口，第二章一个也没有。按书的顺序走，你会在第二章的技巧堆里耗掉全部耐心，而那些技巧本来是为第十章服务的，你永远走不到第十章。

按经验的顺序走，就是从你判断错过的地方往回补。

这不是说后面那些东西没用，是说它们对你现在没有接口。等你真的要调一个优化器、要算一个物理场、要估一个分布的尾巴，接口自己就出现了，那时候它们会变成最该补的东西。接口决定顺序，书决定不了。

四 自学卡住的地方换了位置

自学这件事，过去难在拿不到材料。好书在图书馆，好课在学校，好老师在别人单位。这一关现在没了，材料多到你看不完。

然后难在没有反馈。你做完一道题，没人告诉你对不对；你写完一段代码，没人告诉你哪里会炸。这一关现在也没了，你问它，它秒回，还很耐心。

现在难的是第三关：分辨真的和像真的。

这一关比前两关难，难法也不一样。前两关是缺东西，缺东西你知道自己缺；这一关是东西太多而且长得都一样。你带着一个错前提去问，它不会说你这个前提有问题，它会在那个前提上给你一套完整、自洽、措辞专业的东西，形状和真答案一模一样。

回到开头那个更实际的问题。有一个说法我认为是对的：AI 不是外挂，装上就变强。它遇强则强，你有多强，它就能有多强。 它会积极配合你、适应你，你把问题定义到什么程度，它就在那个程度上把活干完。

这个说法还能再推一步。假如它只是个乘数，弱的人乘出来是个小数，一眼看得见，自己就会去补。麻烦在于它还配合：弱的人乘出来那个小数，外表和大数一模一样，完整、自洽、措辞专业。所以躺平从里面是感觉不到的。 它不给你一个明显不够好的结果让你警觉，它给你一个看上去刚刚好的结果。

所以自学现在真正要的，不是更强的检索，是一个外面的判定点。这个判定点就是第一节那个第三步。

落到动作上只有三条，一张纸就够。

把结论写成将来的事实可以推翻的形式，带日期、带数值、带条件。写「这条内容的速度会在第五天掉到十分之一以下」，不要写「这条内容后劲不足」。前者到第五天会自己结账，后者永远不会错也永远没用。我在另一篇讲提示词的文章里写过同一件事的工程版本：提示词是一个待验证的方案，没有评测回路就无法判断换了之后是变好还是变坏。

存起来，到点回头看。你的旧结论是你唯一不要钱的对照组。

同一个问题，另起一个独立的起点算一遍，两个起点的结果都报出来。两条路通到同一个数，这个数才站得住；两条路分叉了，你就找到了那个藏起来的假设。

---

那条弹幕说得没错，只是说得太客气。

数学留下来的那部分不是比 AI 更会算。它是一套办法：没人给你答案，你自己能知道错在哪。

工具越强，要补的越是自己这一头，因为它的上限是你定的。

最后交代一下这篇的边界。上面全是写给一个人的，讲你该怎么补。换到学科那一头，形状正好反过来：证明和验算的产能涨上去之后，前沿那边空出的是一片没人认领的结果，缺的不是判断对不对，机器验过的证明是对的；缺的是有人把它接到一条人读得懂的脉络上。那一头该怎么走是另一篇的事，而且那一篇得先把证据找齐再写。

一个人自学，最缺的从来不是材料，也不是反馈，是一个能说「不对」的东西。数学是这类东西里，唯一不需要别人在场的那一个。