OpenAI用88小时、上万个AI agent拿下Navier-Stokes方程——这个让数学家挠头近百年的千禧年难题，被AI一锅端了。消息出来那晚，朋友圈刷屏，有人欢呼‘人类科研要换赛道了’实盘炒股配资，也有人默默关掉论文文档，点了根烟。可就在同一天凌晨，菲尔茨奖得主陶哲轩发了一篇短文，没谈技术细节，只说了一句话：‘真正稀缺的，不再是解题能力，而是敢提、会提、值得提的问题。’
这话不是危言耸听。普林斯顿王梦迪团队做过一个‘模拟人生’实验：让大模型扮演1930年出生的英国人，自述一生轨迹。结果它写的结婚年龄永远是24岁——符合统计均值，却完全漏掉了战后早婚、经济萧条延迟结婚、女性重返校园推迟成家等真实长尾。AI在学‘最可能’，不是在学‘真世界’。它擅长把已知拼得更密，却难凭空凿出新洞口。
上海交大的DeepRare系统3分钟逼近协和专家14天会诊水平；博士生熬5年跑的实验，AI一夜筛完；连8岁孩子都能调用工具搭出像模像样的AI小应用……可所有这些‘快’，都建立在一个前提上：问题已经被框定好了。李澄宇在浦江论坛直接点破：‘算力和资本都不再稀缺，真正稀缺的是提问能力。’陶哲轩说的‘不可再生’，指的就是这种能刺穿认知茧房、牵出一串新线索的好问题——它不靠数据堆，靠的是人坐在实验室里发呆的20分钟，是临床医生翻病历时突然皱起的眉，是学生问出‘为什么非得这么定义’时那一秒的停顿。
这事儿其实早有苗头。2023年《自然》杂志做过一次匿名调研，让127位活跃在一线的青年科学家回答：“过去一年里，你最花时间、也最不确定是否值得投入的环节是什么？”结果73%的人填的是“选题”——不是做实验、不是写代码、甚至不是改论文，而是“到底该研究什么”。有人苦笑说：“我导师当年靠一个‘为什么果蝇翅膀长这样’的问题拿了诺奖，现在我盯着基因序列看了三个月，愣是没问出一句带钩子的话。”
更扎心的是教育端的反馈。北京师范大学去年跟踪了6所高校的本科生科研训练项目，发现大二学生提交的开题报告里，82%的问题直接来自教材习题或老师PPT里的小标题；真正由学生自己观察生活、质疑常识、从矛盾中长出来的提问，不到7%。一位带过三届“挑战杯”的教授私下跟我说：“不是孩子懒，是他们从小被训练成‘解题机器’——题目给你，路径给你，连答案格式都标好了。突然要自己出题？就像让人徒手造一把锁，再配一把钥匙。”
但好消息是，这种能力并非天生。MIT媒体实验室试过一种“问题日记”法：让学生每天记录3个“没被回答的日常困惑”，比如“为什么地铁扶手上总有一圈油渍”“为什么我妈总在视频通话时下意识摸耳朵”。坚持8周后，这批学生在开放课题设计中的问题原创性评分，比对照组高41%。关键不在答案多漂亮，而在他们开始习惯把世界当谜面，而不是标准答案的注脚。
所以别急着焦虑AI会不会取代你。它再快，也得等你递出第一个问题。而那个问题，不会从算力卡里蹦出来实盘炒股配资，也不会在模型权重里藏着——它就停在你合上电脑后，抬头看见窗外梧桐叶掉下来的那一秒迟疑里。
永旺配资提示：文章来自网络，不代表本站观点。
