AI 并不是在思维上超越了数学家，而是在记忆上赢了。

关键优势或许不在于更强的推理能力，而在于一个近乎无限的符号工作记忆。

Davide Piffer2026 年 8 月 4 日41212Share

当 AI 系统解出一道棘手的数学题时，人们通常会认为这代表它变得更聪明了。

也许它吸收了上百万道数学例题。也许强化学习让它掌握了更好的推理策略。又或者，它正在萌生某种类似于真正数学直觉的东西。

这些解释或许都包含几分道理，但都忽略了一个更简单的可能：

AI 拥有的工作记忆远比人脑庞大。

更准确地说，它拥有一个巨大的外部符号工作区，承担了人类工作记忆的许多功能。

这种差异在数学领域可能尤为关键。

人类数学家在同一时刻只能在脑中保留少量陌生元素。AI 模型则可以把整个题目陈述、数百个中间等式、若干被弃用的思路、各种定义、约束条件以及此前的结论一并装进上下文窗口。

我们通常把这种表现解读为推理能力更优的证据。但其中一部分，可能反映的其实是移除了人类推理中一个最重要的生物学限制：极为有限的工作记忆容量。

数学受限于记忆

工作记忆是一种心理系统，让我们能在短时间内保持并操控信息。

解方程时，你得记住每个变量代表什么、已经做过哪些运算、当前的目标是什么。证明过程中，你可能还需要同时追踪各种假设、中间引理、例外情况以及多种可能的情形。

人类的工作记忆极其有限。

其精确容量取决于任务本身和信息组织方式，但这种限制从日常经验中就能明显感受到。试着在脑子里算两位三位数乘法：基本运算并不复杂，难点主要在于在进行下一步计算的同时，还要记住之前的中间结果。

把数字写下来，问题就变得不一样了。

纸不会让你变聪明，但它扩展了你有效的工作记忆。

同样的原理适用于更高层次的数学。数学家使用符号、草稿纸、图表以及之前写好的引理，不仅仅是为了展示解答，更是为了让推理过程在认知上可行。

专家会通过"组块化"来弥补这一不足。新手看到的是一长串符号，专家却能识别出熟悉的结构，并将其视为单一的概念对象。这样一来，在同样有限的生物工作记忆内，就能容纳更多信息。

但组块化并不能消除限制，只是压缩了信息。

AI 模型面对的则是完全不同的约束。

工作记忆对数学能力的预测力超过 IQ

工作记忆对数学的重要性并不只是理论上的，这在人与人之间的差异中清晰可见。

工作记忆与一般智力高度相关，这引出一个显而易见的问题：它能否独立预测数学表现，还是只是又一个不完美的 IQ 衡量指标？

多项研究表明，工作记忆对学业表现的贡献超出了传统智力测验所能衡量的范围。例如，Alloway 和 Passolunghi（2011）考察了儿童的工作记忆、语言能力和数学技能，发现工作记忆对数学成绩有独立的贡献，而不仅仅是重复数学与一般语言能力之间的关联。

在另一项为期六年的纵向研究中，Alloway 和 Alloway（2010）先在儿童五岁时测量其工作记忆，随后追踪了六年后的学业表现。结果显示，早期的工作记忆表现能够预测后来的识字和算术能力，即使将 IQ 纳入分析后这一预测力依然成立。事实上，工作记忆对后续学业成果的预测力比该研究中所用的 IQ 指标更强。

Blankenship 及其同事（2015）也得出了类似结论：在统计上控制了 IQ 和年龄的影响后，工作记忆仍能解释数学流畅性和计算能力中的独特变异。Friso-van den Bos 等人（2013）开展的一项大型元分析同样发现，在小学阶段的研究中，工作记忆与数学之间存在稳定的相关关系，不过相关强度因所测量的工作记忆和数学任务类型而异。

这些发现不应被夸大。工作记忆与智力之间存在大量重叠，统计控制也无法完美地将二者分离为彼此独立的心理机制。而且，这些证据并不意味着商业化的工作记忆训练必然能带来智力或数学能力的大幅提升。

不过，一个更为审慎的结论仍然很重要：在智力水平相近的儿童之间，个体在保持、更新和操控信息方面的能力差异，仍然能够预测其数学表现的差异。

这为理解 AI 提供了一个关键线索。如果人类的数学表现部分受限于工作记忆这一瓶颈，那么赋予机器一个庞大的符号工作空间，就会从根本上改变竞争的格局。机器在数学上显得更"聪明"，部分原因可能恰恰在于它远不受这种压制人类表现的认知局限的约束。

上下文窗口就是一个巨型笔记本

现代语言模型可以一次性处理极长的 token 序列。这个序列可以包含原始问题、定义、示例、中间计算，以及模型自身之前的推理过程。

上下文窗口并不等同于人类的工作记忆。更准确地说，它相当于一本巨大的外部笔记本，外加一套并不完美的检索与调用系统。

这个区别很关键。

人类拥有一种主动的内部记忆：我们可以在心里默默选一个数字、保持它、对它进行变换，再用新值替换，全程不发出声音也不写下来。

标准语言模型在维持这种私密的、持续更新的心理状态方面要弱得多。它们最稳定的记忆形式，通常是已经生成的那串 token。

如果模型写下了：

x=6

之后又写下：

x+3=9，

这两句会留在上下文里。模型在生成下一步时可以再次关注到它们。

因此，它的推理往往是外化的。文本并非已完成思维过程的汇报，而是推理得以发生的机制的一部分。

人类在使用草稿纸时也会做类似的事，主要的区别在于规模。

一个不借助工具的人可能很难同时维持五个陌生条件，而 AI 可以把几十甚至上百个条件以显式形式全部保留下来。

这并不意味着长上下文里的每一项内容都能被完美检索。模型可能会忽略相关信息、分心，或者丢失细节。宣传的上下文长度并不等于真正可用的记忆。

尽管如此，两者在潜在容量上的差距是巨大的。

为什么这一点对数学尤其重要

上下文窗口的优势并非在所有类型的推理中都同样有用。

它对数学尤其重要，因为数学推理可以异常顺畅地转化为显式符号。

一个数学问题几乎所有相关要素都可以写下来：

• 假设；

• 定义；

• 已知等式；

• 当前目标；

• 已经证出的结论；

• 已经排除的情况；

• 每一步成立所需的条件。

一旦写下，这些信息就保持稳定。

如果在证明开头把 (x) 定义为整数，那它就一直是整数，除非证明中显式改变这个定义。严格不等式不会因为情绪、语境或理解的变化而逐渐变成非严格不等式。

数学符号的设计目的就是消除歧义。

这使得数学几乎完美地适合依赖大型文本工作区运作的智能体。

想象一道题，要求解题者记住：

• n 是奇数；

• p 是素数；

• x≠0

同时还要记得论证的某条分支已经导出了矛盾。

人可能理解整体策略，却还没确认 x≠0 就直接除以 x。这类错误未必源于智力不足，更可能是记不住前提。

AI 可以在每个阶段重述当前生效的约束：

我们在以下假设下进行推理：(n) 是奇数，(p) 是素数，且 (x≠0)。

上下文就变成了一份推理状态的账本。

许多困难的数学问题，核心洞见往往出现在开头附近，但之后还有大量不那么精彩的琐碎工作：展开表达式、逐一检验情形、在变换过程中携带各种条件、确保最终结论与此前每一条假设都兼容。

机器并不需要具备比人更深的洞见才能在这里取得优势。它可能只是更善于在执行长链操作时完整保留问题的全部状态。

长推理链可能超出人类能力

数学具有高度的组合性。

一个证明往往可以表示为：

A → B → C → D

只要每一步都成立，整条推理链被准确保留，结论自然成立。

更大的工作空间让模型能够在迷失线索之前构建更长的推理链。

这一点很关键，因为问题的难度并不只取决于每一步有多难，还取决于需要协同完成的步骤数。

一个人完全可能理解 100 步论证中每一步的局部推理，却仍然无法独自生成整条论证——因为问题超出了他维持全局结构的能力。

AI 可以通过把几乎所有内容写下来来弥补这一点。

这或许解释了为什么额外的"思考时间"通常能提升模型表现——更多的计算让系统能够生成更多中间状态、考察更多分支，并保留阶段性结论。

看起来更深的思考，有时不过是在一本大得多的笔记本里展开更广的搜索。

非形式化推理的运作方式不同

现在把数学问题和社会性问题放在一起比较：

为什么 Maria 突然不再回我消息了？

更大的上下文窗口或许能让 AI 翻阅数年的往来记录，从中识别语气、回复节奏和用词的变化。

但决定性的信息可能仍然缺失。

Maria 可能生气了，可能正忙，可能病了，可能手机丢了，也可能是在回避某个不相干的问题。

再大的记忆也调取不出从未被观察到的事实。

这里的难题不在于保存一组已知前提并推导其结论，而在于在隐藏原因不确定的情况下进行推理。

非形式化推理还严重依赖含义本身不稳定的概念。

"公平""成功""负责""有害""智能"这类词并不具备数学变量那样的精确性，它们的含义随文化、目标和语境而变化。

模型可以把讨论中每一句话都记住，却仍然误解参与者真正想表达的意思。

同样的问题也出现在政治分析、历史解读、商业战略和心理判断中。在这些领域，核心问题往往不是工作记忆容量，而是当证据不完整且模棱两可时，如何识别正确的因果模型。

更大的笔记本有帮助，但解决不了根本问题。

数学之所以不同，是因为它的推理环境是人为构造的，使假设被显式表达，变换过程可被验证。

数学提供了格外强的反馈

数学的答案往往是可以验证的。

方程的解可以代回原式检验，恒等式可以用数值代入评估，计算机程序能测试数百种情况，形式化证明助手能验证每一步推理是否都符合既定规则。

这对 AI 来说是一个理想的环境。

模型不仅可以用上下文来生成解答，还能记录备选方案、发现矛盾并修正先前的错误。

在不那么正式的领域里，反馈要弱得多。

一个有说服力的史学解释可能根本无法被彻底验证；一个商业策略可能要数年后才能看出是否正确；一个心理学解读也许永远都无法确定。

在这些领域里，一段冗长而自洽的论证照样可能完全错误。

数学则会奖励那些能够生成、存储并验证明确中间状态的系统，而这些恰恰是上下文窗口、草稿本、代码执行和形式化验证所放大的能力。

这真的是工作记忆吗？

一些研究者会反对把上下文窗口称作工作记忆。

他们有道理。

人类的工作记忆不仅仅是一个存储缓冲区，它涉及注意、抑制、持续更新以及对内部表征的主动操纵。

语言模型的上下文则要被动得多。之前的 token 保持不变，模型并不能真的返回去把早先的某一行替换掉，它只是基于已有记录去生成新的 token。

因此，最准确的描述或许是增强的符号化工作记忆。

在某些方面，模型的私有心智记忆弱于人类，但在另一些方面，它的显式记忆却强大得多。

人类更擅长在内心静默地维持一个小型的内部状态，而 AI 更擅长在庞大的书写记录上操作。

对数学而言，第二种能力往往更有价值。

形式化推理并不要求所有相关状态都保持在私有范围内；恰恰相反，当假设和中间步骤被显式写出时，数学反而会变得更好。

AI 表面上"边想边说"的这一弱点，在领域本身由书面符号构成时，反而变成了优势。

是智能，还是认知架构？

这引出了一个更根本的问题：当说 AI "比人类更擅长数学"时，究竟意味着什么？

想象一下，给两个人出同一道数学题。

一个人必须完全在脑中解题。另一个人则拥有无限的草稿纸、完美的笔记、随时调取此前每一步计算的能力，可以并行尝试多种解法，还有一台机器来检验每一个结果。

如果后者赢了，我们并不必然得出后者拥有更强原始数学智力的结论。我们可能会说，后者在这项任务上具备更优越的认知架构。

在比较人类与 AI 时，也应抱有同样的审慎。

AI 系统在海量数学资料上训练而成，可以生成大量候选解、调用代码、借助工具，并保留很长的推理轨迹。

因此，它们的表现是多重因素共同作用的结果：数学知识、推理能力、记忆容量、搜索能力，以及验证能力。

我们倾向于聚焦于推理，因为它是最具哲学魅力的环节。但记忆所起的作用，很可能比我们意识到的要大得多。

一个可检验的预测

工作记忆假说可以给出明确的预测。

AI 的优势在以下类型的问题上应当最为显著：

• 大量相互制约的条件；

• 冗长的计算；

• 广泛的分情形讨论；

• 频繁回溯此前的结论；

• 精确的符号核算；

• 庞大的形式定义集合。

在主要依赖一次简短概念跳跃的问题上，AI 的优势则较小。

一位杰出的数学家，在关键挑战在于为问题找到全新表征时，仍可能胜过 AI。然而一旦这种表征被找到，AI 在探索其所有推论方面或许更胜一筹。

该假说还预测：削减模型可用的上下文，或阻止其写出中间步骤，应会不成比例地损害它在长程数学任务上的表现。

反之，借助清晰的符号、图表、软件和结构化的笔记来扩充人类的外部记忆，应当能缩小部分差距。

因此，最公平的比较或许不是 AI 对阵一个孤立思考的人，而是携带着工具的 AI 对阵一个配备同等强大外部记忆与验证系统的人。

AI 或许正在以记忆取胜

数学 AI 的崛起常被描绘成机器智能对人类智能的一次胜利。

这种判断也许还为时过早。

AI 确实似乎正在掌握更优的推理策略，也终有可能发展出与人类相当甚至超越人类的数学直觉。

但它当下的一些优势，说穿了其实相当平常。

人脑是在严苛的限制下进化出来的：工作记忆有限，容易疲劳，中间结果会丢失，处理冗长的陌生符号链时捉襟见肘。

AI 则不受同一套架构的束缚。

它可以把推理过程转化为文本，再把这文本当作一个巨大的外部认知工作区来使用。而数学凭借其精确性与符号化的结构，恰恰是这种优势最容易被转化为卓越表现的地方。

因此，AI 在数学上击败人类的真正原因，或许并不像我们以为的那样神秘。

最具启发性的比较，也许不在 AI 与普通人之间，而在两种截然不同的天才之间。

物理学家尤金·维格纳既认识约翰·冯·诺依曼，也了解阿尔伯特·爱因斯坦，他写道：自己所遇之人中，没有谁的头脑像冯·诺依曼那样"敏捷而犀利"。冯·诺依曼能吸收海量信息、驾驭极其复杂的论证，并在不同数学领域之间惊人迅速地穿梭。但维格纳仍认为，爱因斯坦的理解更深邃、更具穿透力，也更具原创性。冯·诺依曼或许拥有更强大的原始智力处理能力，爱因斯坦却更有可能对问题本身进行重新构想。

当下的 AI 看起来更像是前一种能力被机器放大的版本，而非后一种。它速度极快、覆盖面极广，能够保留并操控大量显式信息；它能搜索海量可能性、记住冗长的推理链条，并以任何单凭人力都无法企及的规模执行形式化推理。但这并不必然意味着它拥有爱因斯坦式的深度——那种抛开既有框架、揪出隐藏的概念性谬误、并以全新视角看待现实的能力。

不过这个类比也不能推得太远。冯·诺依曼本人是一位极具原创性的思想家，并不只是一个算得快的计算器。但维格纳的区分确实点到了关键：当下 AI 在数学上胜过人类，与其说靠的是像爱因斯坦那样思考，不如说是把类似冯·诺依曼那样的速度与广度，和一本几乎用不完的笔记本结合在了一起。

下一个重大门槛将是：当 AI 不仅能比人更快地解决现有问题，还能识别出问题本身被错误地界定，并提出一种根本更好的理解方式——那时才算真正跨过去。