用 AI 學數學，為什麼仍要自己想？從陶哲軒訪談看懂學習的新重點
用 AI 學數學，拿到解答不等於建立能力。從陶哲軒談抽象與學習，搭配高中數學實驗，整理學生與老師可採用的提示、解釋及獨立檢查方法。
用 AI 學數學，幾秒就能拿到一份解法。對學生來說，最直接的誘惑是跳過卡住的過程。對老師來說，難題則是答案都能生成後，作業還能看出多少理解。
陶哲軒在 New Scientist 10 月 29 日上架的訪談，談到 AI 對數學的衝擊，也把焦點拉回抽象思考與學習。這個問題離教室很近，並不只屬於研究最難定理的人。
如果把學數學當成「把答案寫出來」，工具進步確實會讓練習顯得多餘。但遇到陌生情境時，人還得自己決定哪些資訊有用、哪些假設可以接受。
AI 可以替這段過程提供提示與例子，也可能讓人誤以為自己已經會了。差別經常出在一個動作：關掉答案之後，能不能重新說明理由。
我會把 AI 放在練習與回饋的位置，把最後的解釋留給學習者。先分清楚解題輸出與能力，才知道該怎麼用它。
拿到答案，和建立數學能力是兩回事
學會數學，包含在沒有現成解法時，仍能選擇方法、檢查條件與解釋理由。因為工具能代做選擇，所以作業做對，並不能單獨證明這些能力已經留在學生身上。
這個差別有實驗支持。Bastani 等人發表於 PNAS 的高中數學研究，讓近千名學生使用不同設計的 GPT-4 輔助工具，再觀察移除工具後的獨立測驗。
一般聊天介面組在練習時表現改善，拿掉 AI 後，成績卻比未使用工具的對照組低 17%。這個數字是研究情境中的相對差距，不能推成每個學生都會下降 17 分。
以教師提示為基礎、限制直接給答案的版本，大幅減少了這種負面效果。研究仍沒有在這一組觀察到獨立考試成績的正向提升。
這是 2025 年發表、使用較早模型的研究，也主要觀察短期測驗。因此，它支持的是「設計與使用方式會影響學習」，無法替所有新工具下同一個結論。
回到日常練習，學生如果只是照抄一條順暢的解題路線，很容易把「看得懂」當成「做得到」。因為解法已經替他選好了方向，他沒有練到自己辨認方向。
比較可靠的檢查，是換一個數字或限制，再請學生獨立處理。如果一改條件就不知道怎麼開始，原本的解答很可能只停留在辨認熟悉文字。
這也說明，評估 AI 教學效果時，要問最後測的是誰的能力。工具在場時的產出，和工具離開後的理解，值得各自留下證據。
抽象思考，讓舊方法用在新情境
抽象思考是把情境裡共同的關係找出來，暫時放下不影響問題的細節。學會這件事，才比較能把一種方法移到另一個題目。
例如一個假設練習：兩家交通服務分別收固定起步費和每公里費。把品牌與車型先放旁邊，學生就能用「固定費用加上距離乘單價」比較不同距離的總價。
同一個關係也可能出現在印刷報價或租借費用。雖然題目換了名詞，數學結構仍然相近。能認出這個結構，比背住某一道題的算式更有用。
陶哲軒在自己的數學教育文章中，描述從直覺與例子、到精確推導，再到以理論支持直覺的發展過程。
他的重點是讓嚴謹推理修正不好的直覺，並保留有用的直覺。這篇既有文章提供背景，並不要求每個中小學生立刻學大學程度的形式證明。
在近期訪談約 18 分 20 秒，他再次談到這些階段，並說明熟悉計算後，直覺與精確推導可以重新結合。
他也提到從興趣探索數學的人，會透過自己試算與動手練習建立理解。這給教學一個啟發：可以保留可探索的題目，讓學生有機會發現方法。
對一般學習者，比較合適的轉化是來回對照。先畫圖或試幾個例子，再說出規則與適用條件，最後看看規則能不能解釋起初觀察到的現象。
AI 可以協助生成變化題、換一種比喻或指出可能的例外。但比喻是否貼切、例子是否符合條件，仍需要學習者用定義與計算確認。
當學生能解釋「為什麼這兩個題目可以用同一個方法」，抽象能力才比較看得見。這種解釋，也讓 AI 的角色從代交答案，轉向協助探索。
把 AI 當提示者，保留自己推理的空間
練習時先要求小提示，比立刻要完整解答更能留下自己動腦的空間。以下流程是本文提出的用法，學生可以依程度和老師規定調整。
先把已知條件、想求的量，以及自己試過的方法寫下來。如果只說「我不會」，AI 很容易從頭生成整套解法，反而看不出學生究竟卡在哪裡。
一個可嘗試的提問是：「我已經算到這一步，先指出最早可能有問題的地方，給我一個提示，讓我自己接著做。」這讓回饋集中在實際的推理缺口。
收到提示後，先自己寫下一步，再請工具檢查。如果它直接給了整題解答，可以先收起那份文字，回到原題重做，避免把閱讀解法當成練習。
接著請 AI 出一道結構相近、表面不同的題目，並要求暫時保留答案。題目本身也可能有問題，因此開始前要檢查條件是否足夠、有沒有矛盾。
練完後，試著用幾句話說明自己的選法。例如「因為兩邊都表示同一個總量，所以能把它們設成相等」。這比單純念一次計算步驟，更能暴露理解的缺口。
最後安排一次不開 AI 的小練習。若做不出來，就回看剛才最依賴提示的地方，把那個概念補起來，無須為了維持做題速度而急著往後走。
這套流程需要學生真的執行。只在提示詞裡寫「不要直接給答案」，並不能保證工具每次遵守，也不能保證學習者不會繼續追問答案。
因此，AI 學數學的進度可以用更具體的方式記錄：哪些題能獨立完成、哪些題需要一個提示、哪些題仍需完整示範。因為記下了協助的程度，這比單純累積聊天紀錄更容易看出改變。
老師如何看見學生理解到哪一步
老師需要看見學生的選擇與修正過程，才知道該補哪個觀念。當整齊的答案可以生成，評量也可以多留一點空間給理由。
例如在一份假設作業中，除了交計算，還要求學生寫下「我一開始採用哪個方法」「哪個條件讓我換方法」，以及「怎樣檢查答案合理」。
因為要檢查的是思路，這些問題可以很短，也不必每題都寫長篇心得。它們的用途，是讓老師辨認學生是否知道每一步在處理什麼，以及錯誤從哪裡開始。
課堂上也能選一道代表題，請學生當場改一個條件後重新解釋。若原本的方法不再適用，學生必須指出原因，老師便能區分理解與背熟。
若允許使用 AI，作業規則宜先說清楚可用範圍。例如能否要求提示、能否檢查草稿，以及需要揭露哪些協助，讓學生知道學習責任落在哪裡。
評分也要對應這個範圍。如果只獎勵完整且漂亮的最終答案，卻完全不看推理，學生自然更容易把工具用在快速完成，而非補足理解。
陶哲軒 10 月 31 日介紹的英國數學科學院報告，也把教育與技能列為 AI 時代的重要工作，並強調人類在提問、可靠性判斷與理解上的角色。
這是數學社群的方向性主張，並非某套課堂流程已通過成效驗證。落到教學現場，仍需要老師觀察學生，再逐步調整工具與評量方式。
家長也可以用相同標準陪伴孩子。比起只問「今天做了幾題」，更有資訊量的問法是請孩子選一題，說明自己怎麼知道答案合理。
先會檢查，AI 才能幫你學得更遠
檢查能力讓學習者有機會發現工具的錯誤，也能避免把超出題目條件的解法當成通則。它值得從簡單題目就開始練。
最直接的方法是把答案代回原式，再看單位、範圍與大小是否合理。如果求的是長度卻得到負值，或用百分比時忽略了比較基準，就值得停下來追查。
也可以找一個邊界例子測試說法。例如某個公式聲稱對所有數都適用，就試試零、負數或很大的數。有些例子會提醒我們，原本其實需要額外條件。
但少數例子全部成立，仍不能證明每種情況都成立。例子能幫忙找錯與建立直覺，一般性的論證則負責說明規則為何覆蓋整個範圍。
如果工具的解釋超過自己能檢查的程度，可以請它退回熟悉的定義或較簡單的例子，也可以把疑問帶回老師。追問懂不懂，比把複雜文字存下來更重要。
我會把「能獨立解釋並檢查」當成 AI 學數學的進步標記。對正在建立基礎的人，保留紙筆、畫圖和自己嘗試的時間，才能讓工具提供的幫忙累積到自己身上。
延伸閱讀：3Blue1Brown 談 AI 與數學：解題能力提升後，學數學的價值在哪裡？
延伸閱讀：AI 代理接手工作，如何保留批判性思考？Addy Osmani 的交辦與驗證方法
歡迎免費訂閱 AI 郵報，持續追蹤有原始來源、說明適用條件的 AI 進展。
FAQ：用 AI 學數學常見問題
用 AI 學數學，一定會讓成績退步嗎？
效果取決於工具、使用方式與學習情境。高中數學實驗顯示，直接取得答案與以教師提示協助，可能帶來不同結果，無法一概而論。
AI 已經能解難題，學生為什麼還要算？
因為選擇方法、理解條件與檢查輸出都需要基礎。練習的目的可以從完成固定題型，逐步移向說明理由與處理變化。
最容易開始的改變是什麼？
先自己試，再只要一個提示。做完後關掉工具，用自己的話重講一次，並獨立完成一道相近題，觀察哪些部分仍需協助。
