AI 如何帮助问题很多的学生学习

Sat, 27 Jun 2026 22:55:00 +0900

问题很多可能并不意味着理解慢，而是说明这个人不会把没理解的部分直接跳过。

在工程学院学量子力学时，黑板上先出现的是这样的式子。

\hat{H} ψ = E ψ

\hat{H} = - \frac{ℏ^{2}}{2 m} \nabla^{2} + V (r)

⟨ φ | ψ ⟩ = \int φ^{*} (x) ψ (x) d x

课堂讲的是物理现象，但我先看到的是陌生的数学符号。哈密顿量、波函数、本征值、算符、bra-ket 符号这些词出现了。到某个时候，大家都默认这些符号你已经懂了，直接拿来用。

我甚至不清楚自己到底不知道什么。是该回去看线性代数，还是微分方程？是复数，还是概率？我连从哪里开始查都不知道。为什么 H 上面要有一个帽子？为什么 nabla 的平方会出现在能量式里？为什么 bra-ket 符号会变成内积，又和概率连接起来？

我不知道的不是某一行计算。是不知道那一行计算为什么被允许，也不知道这些符号来自哪个世界。

不是慢，而是理解需要的信息量太大

我不是理解得慢。只是要开始理解，我需要的信息量很多。我得先看清整体结构。可是一问这个结构，听问题的人常常不明白我到底在问什么。问“这个单元在整个学科里放在哪里？”“这个概念为什么现在出现？”时，对方往往答不上这种问题。我需要先抓住那个大的结构，才能看见每个局部概念的位置，然后才能进到解题。

中学和高中时也差不多。概念不是从最基础的地方一步步讲清楚，而是浅浅说明之后马上开始做题。有些学生即使说明不完整，也能在做题中抓到感觉。但我需要先回答别的问题：为什么这样定义？这个公式从哪里来？这个概念在整体结构里起什么作用？

考试不会等人。我试着把足够多的信息连起来，先建立整体结构。但到考试那天，那个结构常常还没有充分用到解题上。

我也问过成绩好的同学：“这个为什么会这样？”出乎意料的是，他们很多时候也解释不清楚。一开始我以为他们是在装。以为他们明明都懂，只是嫌麻烦，所以随便说说。后来才发现，他们真的不是用语言和结构来理解的。

他们不是先把整体结构说清楚再行动的人。看到题，就知道该怎么下手。公式在哪里用，他们像是身体已经知道。我那时很羡慕。我没想通的时候就做不下去，而他们即使不能完美解释，也能把答案做出来。

在最顶端的考试竞争里，这个差异会被放大。有些学生即使说明不完整，也能直接看出题目的结构。式子的形状、条件怎么变化、图像的样子，他们的手会先动。过去的考试更有利于这种直觉型学生。

熟悉公式的人不是只记住答案，而是会先确认解题过程在哪一步容易出错。

过去几乎没有办法打通这个瓶颈。能把根本问题一路解释到底的人太少。老师要赶进度，补习班要刷题型，教材也不会把所有中间环节都补全。

问一次“为什么这个公式成立”还可以。但如果从不同角度问五次、十次，课堂就停了。于是必须先看整体地图的学生，很难把自己的问题推到最后。结果要么在理解不足的状态下跟着做题，要么直接放弃。

AI 改变的正是这里。现在同一个问题可以换十种方式问。可以让它给更简单的例子，给反例，也可以让它围绕自己没理解的部分重新出题。

过去，整体结构要自己一个人理清。现在可以和 AI 一起理清。可以问：“这门课的目标是什么？”“为什么需要这个概念？”“它和前后章节怎么连接？”然后从那里一步步进到解题。

浅浅地用 AI，它只是代写作业的工具。但深度使用时，会发生完全不同的事。必须先看到整体结构才能行动的人，可以按自己的方式学习。更快抓住整体，把根本问题问到底，再把理解连接到具体题目。

这样一来，过去拿不到分的人，反而可能拿到更高的分。问题多本身不是强项。但如果这些问题能一直追问到真正理解和应用，问题就可以变成分数。

过去，必须先看整体结构才能行动的人，很难在考试里拿分。能够先接受局部、快速套用的人更适合考试。可是对那些只有在整体结构出现后概念和题目才连接起来的人来说，理解所需的信息量本来就更大。如果到考试那天，这个结构还没有用到解题上，实力就不会变成分数。

现在局面变了。必须先看整体的人，也能更快抓住整体，把根本问题问到底，并把理解连接到实际解题。

过去看起来像弱点的思考方式，在真正接受 AI 之后，可能成为最大的长处。