位置：AI门户网 > AI应用 > AI智能体 > 从定理证明到课堂革命：MIT如何用ChatGPT重塑科学与教育

从定理证明到课堂革命：MIT如何用ChatGPT重塑科学与教育

来源：AI门户网时间：2026/3/24 16:19:50 共 2114 浏览

“嘿，你知道吗？麻省理工学院（MIT）那帮家伙，最近又在用ChatGPT搞事情了。”这大概是我最近在科技圈听到最多的一句开场白。提起MIT和ChatGPT的组合，很多人可能第一时间想到的是那些高深莫测的AI前沿论文，但说实话，事情远比我们想象的要“接地气”得多。从帮数学家证明公式，到给日语专业的学生改作业，再到给实验室里的科学家当“语音助手”，MIT的研究者们正在把ChatGPT这把“瑞士军刀”打磨得越来越锋利，插向科研与教育最核心的领域。这背后，既有令人兴奋的效率革命，也伴随着对人类自身认知习惯的深刻反思。今天，我们就来聊聊，MIT眼中的ChatGPT，到底是个怎样的“多面手”。

第一面：从“闲聊”到“严谨”，AI闯入数学圣殿

曾几何时，数学证明被认为是人类理性与逻辑思维的巅峰，严谨到不容一丝模糊。但MIT、加州理工等机构的学者们，偏偏想看看ChatGPT这类大语言模型（LLM）能不能在这个圣殿里留下脚印。他们构建了一个基于开源LLM的定理证明器，甚至还做了一个叫LeanDojo的ChatGPT插件。简单说，就是让ChatGPT能和名为“Lean”的交互式定理证明器对话，尝试把人类那种非正式的数学语言，转化成机器能验证的正式证明步骤。

他们试了三个公式：a+b+c=a+c+b（加法交换律和结合律的一个简单组合）、斯特林公式，还有高斯求和公式。结果很有意思。研究者发现，相比于那些专业的、为证明而生的AI模型（比如ReProver），ChatGPT展现了一种类似人类与助手协作的交互方式。它能把非正式的数学描述和正式的证明步骤交叉在一起，甚至还能“读懂”Lean系统返回的错误信息，并且通过提示词（Prompt）进行控制调整，显得比一些专业证明器更灵活。

不过，先别急着欢呼。研究也指出了ChatGPT的软肋：在搜索和规划证明路径方面，它仍然力有不逮。换句话说，它可能是个不错的“翻译”和“解释者”，能把你的想法用更规范的数学语言表述出来，或者帮你排查代码错误，但让它独立地从零开始探索一个复杂证明，目前还很难。这就像给数学家配了一个反应极快、知识渊博，但缺乏宏观战略思维的助理。它能让一些繁琐的“体力活”变得轻松，但证明的核心洞察与创意，目前依然牢牢掌握在人类手中。

第二面：课堂里的“超级助教”，不止于翻译

如果说在数学领域的尝试还带着点“炫技”和探索性质，那MIT将ChatGPT应用于教学，可就实实在在关乎成千上万学生的日常学习了。在MIT的“2024年学习节”上，教育专家们达成了一个重要共识：生成式AI（以ChatGPT为代表）应该被视作提升教学效率的辅助工具，而非一味排斥的洪水猛兽。更重要的是，他们认为善用这些工具，反而有助于培养学生的批判性思维。

MIT全球语言的日语高级讲师相川孝子（Takako Aikawa）分享了三个非常具体的案例：

1.词语扩写：学生学了新词，自己造句子数量有限。这时就让ChatGPT生成大量包含该新词的短句，学生通过阅读这些句子，能更快掌握词语的多样应用场景。

2.句子替换：比如，ChatGPT生成一句“我今天看了一场经典电影，心情非常喜悦。” 日语中表达“喜悦”的词有很多，如“嬉しい”、“楽しい”等。学生就被要求用这些近义词去替换原句中的词，从而扩大词汇量。

3.语法分析：学生先用所学语法造一个复杂句，再让ChatGPT生成结构类似的句子。通过深度对比，学生能学到同一语境下不同的语法结构表达。当然，ChatGPT有时会出错，而这恰恰成了训练学生批判性思维的绝佳机会——他们必须去判断、验证AI的输出是否正确。

你看，这里的ChatGPT不再是简单的“答题机器”，而是一个能提供海量对比样本和分析材料的互动平台。它的价值不在于给出“标准答案”，而在于创造了一个让学生可以主动观察、比较、质疑和修正的动态学习环境。

为了更清晰地展示MIT在教育领域对ChatGPT的应用思路，我们可以看下面这个表格：

应用场景	具体操作	培养的核心能力	关键点
:---	:---	:---	:---
语言学习（以日语为例）	1.词语扩写（生成例句） 2.句子替换（近义词练习） 3.语法分析（对比生成句）	词汇应用、语法理解、批判性思维	提供素材，引导对比与辨析，不盲信AI输出。
专业写作（如求职信）	生成初稿或提供不同风格的版本供参考和修改。	结构化表达、风格适配、自我反思	作为构思起点和修改参照，强调个性化修改。
通用教学辅助	解答常见问题、提供学习资源线索、进行初步概念解释。	信息检索与甄别、自主学习	定位为“第一响应者”，复杂深度问题仍需教师介入。

第三面：实验室的“贾维斯”，让科学家动口不动手

想象一下，一个材料科学家站在实验室里，对着空气说：“帮我设计一种强度更高、但重量更轻的合金配方，并开始第一轮制备实验。”紧接着，机械臂开始自动运行，数据库被智能检索，算法在后台优化参数——这一幕像不像《钢铁侠》里的贾维斯？MIT李巨教授团队开发的CRESt（真实世界实验科学家的副驾驶），正在让这个场景成为现实。

CRESt的后端核心正是ChatGPT的API函数调用功能。它的强大之处在于：

*语音交互：科学家可以直接用说话的方式下达指令，无需编写任何代码。

*无缝整合：它能调用真实的自动化实验设备（如机械臂），自主查找专业材料数据库，并运行优化配方的主动学习算法。

这意味着，实验科学的门槛被极大地降低了。即使是一位不擅长编程的资深科学家，也能通过自然对话，指挥复杂的自动化实验平台完成从设计到执行的闭环。这不仅仅是节省时间，更是将科学家的智慧从重复性操作中解放出来，更专注于提出假设和解读结果这一创造性过程。

第四面：药物研发的“加速器”，在分子语言中寻找答案

新药研发素有“双十定律”之说：耗时十年，耗资十亿美元。其中巨大的成本源于极高的失败率。MIT的Bonnie Berger教授团队思考的是：ChatGPT分析文本预测词汇的能力，能否用来分析蛋白质和药物分子的“语言”，预测它们能否结合？

他们开发了名为ConPLex的AI算法。它利用预先训练好的蛋白质语言模型，像ChatGPT理解单词序列一样理解氨基酸序列。然后通过对比学习，快速预测药物分子与目标蛋白质之间的相互作用，而无需进行极其耗时的分子结构计算模拟。

这项技术的意义在于，它能在早期大规模、低成本地筛选掉大量无效的候选药物分子，将宝贵的实验资源集中在最有希望的苗子上。正如研究者所说，如果能提前筛掉不太可能成功的选项，就能显著降低失败率，从而大幅压缩药物研发的时间和金钱成本。这无疑是AI向生物医药这一硬核领域注入的一剂强心针。

硬币的另一面：MIT的冷静审视与“认知负债”警告

然而，MIT对技术的思考永远是辩证的。在热情拥抱AI助力的同时，一项来自MIT的重磅实证研究却敲响了警钟。这项研究发现，使用ChatGPT等AI写作助手，可能导致一种称为“认知负债”的状态。

研究通过对比实验发现，使用AI辅助写作的学生，其文章在结构和语气上更统一，但思路重复性高，语言刻板，缺乏个人特色。更惊人的是访谈结果：超过80%的AI组学生在写作后无法准确回忆自己刚写下的内容，而独立写作的学生记忆效果要好得多。研究者认为，这是因为AI生成的内容并未在使用者大脑中形成深刻的记忆痕迹，文章像是“借来的”而非“写出来的”。

教师们的评价也印证了这一点，他们认为AI辅助的文章显得“套路化”和“空洞”。研究警告，这种过度依赖不仅可能削弱深度思考、分析论证的能力，还可能固化思维，让人更倾向于接受AI提供的框架而非质疑它，形成“思想外包”的习惯。当然，研究也提到，那些先独立写作、再使用AI的学生，会表现出更多的“元认知行为”，即会更主动地对比、分析AI的输出，这反而可能促进学习。

结语：工具，始终是工具

所以，绕了一大圈，MIT通过其在数学、教育、实验科学、药物研发乃至认知科学领域的多元实践，给我们描绘了一幅ChatGPT应用的复杂图景。它可以是数学家手中的逻辑翻译器，是语言课堂里的素材生成器，是科学家的语音控制中枢，是制药行业的虚拟筛选员。它的能力边界正在被不断拓展。

但与此同时，MIT的研究者也清醒地指出，它也可能成为思维上的“拐杖”，在不经意间让我们某些重要的心智能力“生锈”。关键在于我们如何使用它。是把它当作替代思考的“答案机”，还是作为拓展能力、激发灵感的“增强甲”？这恐怕是MIT所有案例背后，留给我们每个人的核心课题。技术的浪潮无可避免，而如何驾驭浪潮，而不被其吞没，永远考验着我们的智慧。正如MIT在教育实践中揭示的那样：让AI提供选项和素材，而把判断、批判和创造的核心，留给人自己。这或许才是人机协作最光明的未来。