表征过剩的时代，数学传播何处去

【前置知识】 对"AI生成内容"与"知识碎片化"有基本观察即可，无需数学专业背景。

【能力增量】 读完本文，你将获得：① 一个区分"数学表征"与"数学理解"的分析框架；② 数学传播三次媒介转型的历史脉络；③ 一套判断"何为有效数学传播"的标准。

【问题链】 本文依次回答：AI时代数学内容发生了什么变化 → 过剩的究竟是什么 → 历史上数学传播如何应对类似危机 → 新形式应具备哪些特征。

一、问题的提出

开始考虑利用人工智能技术辅助数学科普之后，我意识到一个无法回避的现实：AI已经将数学内容的生产成本压缩到了前所未有的程度。一篇涵盖背景、定义、定理与应用的数学科普，在人机协作下数分钟即可成稿；视频与音频的生产门槛同步崩塌。其直接后果是，数学内容正以远超人类消化能力的速度膨胀——任何一个平台每日新增的数学文本与影像，已非个体可以穷尽。

这一局面的深层效应尚少有人讨论。当生产不再构成瓶颈，内容的同质化便不可避免：相似的选题、相似的叙述结构、相似的类比，因为它们出自相似的工具与相似的素材库。知识由此被切割为越来越细碎的单元——一篇文章承载一个概念，一条视频讲解一个定理——每个人都在生产碎片，却罕有人为碎片的拼接负责。而当碎片的总量超过了任何拼接的可能，"拼接"本身也就失去了意义。

这构成了一个严峻的问题：在表征已然过剩的条件下，继续以传统形式从事数学传播，其合法性何在？如果一个人产出的内容与机器批量生成的内容在形态与功能上没有本质区分，那么他所做的不过是为已经过载的信息流增加新的冗余。

因此，对人类而言，这不是一个可以用"我做得更用心"来回答的问题。它追问的是数学内容的形式本身。

▍停下来想一分钟

在继续阅读之前，请回想：你最近一次"觉得自己懂了一个数学概念"，是在什么情境下？一段时间后，你还能独立复述它、用它解决一个新问题吗？

如果不能——你获得的究竟是"理解"，还是仅仅"看过了它的表征"？

这个问题的答案，是本文全部论证的起点。

二、一个关键的辨析

要回答形式危机，首先需要辨析：在这场过剩中，究竟什么过剩了，什么没有。

AI所擅长的，是对数学知识的表征——将一个概念以多种方式呈现：文字的、图像的、动画的、比喻的。表征可以被无限复制、无限变体、无限加速生产。但数学传播的根本目的从来不是生产表征，而是促成理解的生成——在学习者的心智中，将一个新概念与其既有的认知结构建立真实的、可操作的连接。

这一区分至关重要。表征是公共的、可复制的、无时间性的；理解是个体的、不可复制的、时间性的。一个人可以在三分钟内看完一个关于庞加莱猜想的精美视频，获得"我好像懂了"的印象，但他的认知结构中可能一条新的边都没有生长出来。表征被消费了，理解没有发生。

传统数学传播长期混淆了这两者。它默认"更好的表征"会自动导致"更深的理解"，于是将全部精力投入表征的优化——更清晰的讲解、更生动的比喻、更短的时长。AI的出现不过是将这一逻辑推到了极致：当表征的成本趋近于零，"更好的表征"也就不再构成任何壁垒。

过剩的不是数学，而是数学的表征。

由此，形式变革的方向得以显现：数学传播必须从"表征的生产"转向"理解过程的设计"。前者注定被AI吞噬，后者则因为绑定于具体个体的认知状态与真实的时间投入，永远无法被批量制造。

✦ 注

本文的终稿由 AI 生成，我所做的是提出问题并在若干轮对话中持续修正与引导。最初的问题是："现在很多文字、视频、音频都过剩了，人类来不及消化，对于数学传播来说，到底应该做什么改变？" 随后的探讨经历了几次转向：起因从虚构的个人体验改为客观的现实观察；语言从口语化的风格改为更具思辨性的论述；形式从传统的线性长文改为嵌入 "停下来想" 与门槛标注的新结构 —— 而最后这点，恰恰是本文论证的结论在自身写作中的一次实践。

三、历史的逻辑

历史地看，这并非数学传播第一次遭遇形式危机。

印刷术普及之初，数学从手抄本的贵族知识变为可批量印刷的公共品，一时间各种通俗小册子泛滥，同样经历了一轮"表征过剩"。但最终沉淀下来的，不是那些在通俗性上竞争的小册子，而是欧拉、柯西、魏尔斯特拉斯等人建立的现代教科书体系。这一体系的根本贡献不在于"讲得更明白"，而在于将数学重新组织为一个可系统攀爬的认知阶梯——它匹配了印刷媒介的特性（可反复阅读、可按顺序学习）与数学知识的累积性本质。

广播电视时代，数学传播再次转型。马丁·加德纳持续二十年的专栏、西蒙·辛格耗时数年的纪录片，没有在"信息量"上与教科书竞争，而是将数学重构为有人物、有悬念、有智识冒险的长期叙事。这一转型匹配了视听媒介的特性（线性时间、情感卷入）与公众对数学的心理障碍。

每一次媒介变革都遵循同一逻辑：旧形式将新媒介仅仅视为旧内容的载体，从而陷入同质化竞争；新形式则重新思考媒介特性与数学理解本质之间的匹配关系，由此开辟出不可替代的传播形态。

AI时代的形式危机，本质上是同一逻辑的再次上演。当前绝大多数AI辅助的数学传播，不过是用新媒介重复旧形式——更快地生产同样的文章与视频。真正的变革尚未发生。

▍停下来想一分钟

印刷术时代的新形式是"教科书体系"，广播电视时代的新形式是"长期叙事"。它们的共同点是：都不是旧形式的加速版，而是重新定义了"数学如何进入一个人的心智"。

那么，AI时代的新形式，应当重新定义什么？带着这个问题读下一节。

四、新形式的四个维度

面向理解过程的数学传播，应当具备怎样的形态？以下四个判断相互关联，而非彼此独立。

从单篇输出到路径设计

单篇文章与单条视频在结构上就是碎片，而碎片在过剩条件下不具备可积累性。真正有价值的传播单位应当是一条有内在递进关系的认知路径——围绕一个主题，从最源初的问题出发，每一步都严格建立在上一步的基础之上，读者沿此路径行进数月，可以真实地从"不知"抵达"知"。路径的价值不取决于任何单篇的精彩程度，而取决于整体所构成的认知成长。这是AI无法生成的：AI可以产出任意单篇，但不会为一个具体的读者设计一条需要走半年的路。

从知识覆盖到思考过程的呈现

AI最胜任的是对已知知识的清晰呈现。数学传播中真正稀缺的，从来不是结论的清楚表达，而是一个心智将未知问题逐步想清楚的过程——其中包含困惑、试错、歧路与折返、豁然贯通的瞬间。这一过程不可被AI模拟，因为AI不经验"困惑"。将思考过程如实呈现，读者获得的便不是一个可以消费的结论，而是一种可以模仿的运思方式。

从降低门槛到标注门槛

长期以来，数学传播以"让所有人都能看懂"为最高准则，其代价是不断的简化，最终生产出谁都可以浏览却无人能真正习得的内容。新的原则应当是：不回避数学的内在门槛，但将门槛清晰地标注——每一篇内容明示其前置知识、所达成的能力增量、以及可行的后续方向。读者由此可以准确判断自己的位置，而非被"五分钟看懂"的承诺诱入，终至茫然。门槛本身不是传播的敌人，模糊的门槛才是。

从单向传递到操作的嵌入

数学本质上是一种实践，而非静观的对象。然而几乎所有既有数学传播都是单向的：作者输出，读者接收，接收即终结。新的形式必须在内容中嵌入必须由学习者亲自完成的操作——一个需要暂停并自行推导的引理，一组可以调整参数以观察变化的构造，一个被刻意悬置、要求读者先独立思考再继续阅读的问题。这些操作会拖慢阅读的节奏，但理解恰恰只发生在节奏被拖慢之处。

在表征可以被无限生产的时代，唯有真实的思考过程与真实的认知成长，才是不可替代的。数学从来不是被"看"会的，而是被"做"会的——在一个一切都在加速的时代，或许恰恰需要一种允许人慢下来、把一个问题真正想透的传播形式。