AI并非在思维上胜过数学家，而是在记忆力上胜过他们
内容提要
AI在数学竞赛中胜出，并非因推理更强，而是依靠近乎无限的上下文窗口，即外部工作记忆。人类数学受限于短期记忆容量，AI则能存储海量中间步骤，避免遗忘。其优势在封闭、可符号化的数学领域显著，但在开放日常推理中受限。本质是记忆碾压，而非深度思考超越。
延伸解读
工作记忆：数学能力的隐藏瓶颈
文章引用多项心理学研究指出，工作记忆对数学成绩的贡献独立于一般智力，甚至比智商更能预测未来的数学能力。这意味着，人类数学表现的瓶颈往往不在于推理能力，而在于短期记忆容量。理解这一点，有助于我们重新审视AI在数学上的优势——它可能并非更聪明，而是拥有更大的“内存”。
上下文窗口：AI的“外挂笔记本”
AI的上下文窗口可以容纳数百万token，相当于一本“无限草稿纸”，能存储所有中间步骤和条件，避免人类因工作记忆有限而犯的“低级错误”。这种外化的推理方式，让AI在封闭、可符号化的数学领域表现卓越，但这也意味着它的优势依赖于外部记忆，而非内在的深度理解。
封闭系统与开放系统的分野
数学是封闭系统，所有前提可符号化、步骤可验证，而日常推理是开放系统，关键信息常不可观测。AI在数学上的成功，恰恰因为数学的“可记忆性”契合了其架构特点。一旦面对人际关系等开放问题，AI便显得无能为力。这提醒我们，AI的“智能”是有边界的，其优势领域并非普适。
记忆碾压还是思考超越？
文章通过冯·诺依曼与爱因斯坦的对比，指出AI更像前者——极快、极广、擅长处理海量显式信息，但缺乏爱因斯坦式的深度与原创性。AI能解奥数题，却难以发现题目本身的错误。因此，AI在数学上的胜利，本质是记忆维度的碾压，而非思考深度的超越。真正的“思考”或许始于AI能重构问题框架之时。
Q&A
AI在数学竞赛中胜出的真正原因是什么？
AI在数学竞赛中胜出并非因为推理能力更强，而是依靠近乎无限的上下文窗口，即外部工作记忆，能够存储海量中间步骤，避免遗忘。
人类工作记忆的容量限制是多少？
根据1956年乔治·米勒的论文，人类短期记忆大约能同时处理七项信息，后来的研究甚至认为只有四个或三个。
工作记忆对数学能力有何影响？
多项研究表明，工作记忆对数学技能有独立于智力的贡献，能预测未来的数学成绩，且工作记忆更强的孩子数学成绩往往更好。
AI的上下文窗口如何帮助它解决数学问题？
AI的上下文窗口可以容纳数万至百万个token，存储题目、定义、中间结果等所有信息，使其能随时回溯，避免遗忘，相当于拥有无限草稿纸。
为什么AI在数学上表现优异，但在日常推理上却受限？
因为数学是封闭系统，所有条件可符号化、可验证，适合AI的记忆优势；而日常推理是开放系统，关键信息可能不可观测，AI无法通过记忆解决。
AI与人类数学家相比，在哪些方面仍有不足？
AI缺乏爱因斯坦式的深度思考能力，如重新定义问题、识别隐藏概念错误、发明全新视角，而顶尖数学家在这些方面仍可能碾压AI。
如何验证AI的优势是记忆而非思考？
可以通过削减AI的上下文窗口或禁止其写下中间步骤，观察其长数学任务表现是否下降；同时给人类数学家配备外部记忆系统，看能否追回差距。
