人工智能的当前能力与局限 - 大模型能快速准确解答奥数题，但在应对研究生水平的数学难题时仍需花费较长时间 [2] - 人工智能无法产生如量子力学级别的重大观念突破，因其倾向于将千万分之一的异常现象视为噪音而忽略 [2][6] - 人工智能尚不能代替人脑完成需要原创和创新的工作 [5] 人工智能与数学的共生关系 - 人工智能的进一步发展必须基于数学的进步，数学为AI提供了基础性的理论工具 [4] - 人工智能的发展不断提出新的问题，从而推动数学学科的进步 [4] - 数学是物理、化学、生物等科学的基础，是对大自然最严谨的描述，其重要性随AI发展愈发凸显 [4] 人工智能在科研中的角色定位 - 人工智能能够像计算机初现时一样，在计算和处理大量数据方面提供巨大帮助，但不会改变当前科研的主流模式 [4] - AI可加快交叉学科研究进程，但科研人员需保持警惕，不能完全依赖AI，需保持对罕见特殊现象的敏感 [6] - 电磁统一、量子力学等科学领域的观念大跳跃是由人脑推动完成的，并非数据归纳可做到，AI难以实现此类跨越 [6] 人工智能时代的教育与人才培养 - 教育的目标是培养学生拥有独立思考能力，使其能帮助人工智能发展，而非仅让人工智能辅助其思考 [7] - 全民学习人工智能面临师资不足的挑战，若教师不懂人工智能及其背后的数学原理则难以有效教学 [7] - 建议AI教育从50到100所名校开始示范，逐步推广 [7] 对人工智能依赖的潜在风险 - 过度依赖人工智能可能削弱人的思考能力，损害思维能力的培养 [5][7] - 师生过于依赖人工智能工具，可能忽视对思考能力的培养，从而丢失人类最宝贵的能力 [2] - 所有科学的进步和社会的进步都要靠思考，没有思考的学问和社会不会进步 [7]