迁移力崛起：智能社会的六种核心素养

人工智能正以前所未有的速度重塑我们的学习方式与工作逻辑。在这一转型中，著名数学家陶哲轩提出一个发人深省的观点：“迁移能力比学历更重要。”这不仅是对传统教育观念的挑战，更揭示出一个深层次的认知变革方向。所谓“可迁移能力”（transferable skills），并非指对某门学科知识的掌握，而是指人类在不同领域、问题与工具之间灵活调度思维、结构与表达方式的能力。

在陶哲轩看来，面对AI的协同崛起，我们需要的不只是解题技巧，而是跨越场景、转换模型的能力。结合他的观点与当前认知科学的研究，可以将“可迁移能力”系统归纳为六个维度：元认知调控、结构化思维、符号语言转译、模型类比迁移、人机协作能力与跨学科沟通。这些能力构成了AI时代所要求的“新型核心素养”。

如果说学历是昨日社会的资格证书，那么迁移能力就是明日智能社会的入场凭证。我们正步入一个“公民科学”的新时代，而数学语言、逻辑建模与AI工具的深度结合，将成为每个公民连接未来、参与构建的起点。

一、元认知能力

Metacognitive Skills

这是最根本、最广义的迁移能力。

包括：

• 思维的自我调节（我现在理解了吗？这个路径合理吗？）
• 策略调整与切换（尝试A失败了，能否换B方法？）
• 学习能力本身（快速熟悉AI工具、数据平台、建模语言）

陶哲轩本人就很强调这一点：不是学什么内容最重要，而是学会如何学。

二、结构化思维

Structured Thinking

即用模型、逻辑与层级理解问题，而非碎片式判断。

包括：

• 逻辑推理与归纳演绎能力
• 变量识别与因果链建构
• 从复杂中抽象出核心变量的能力
• 例如：从社交网络、天气系统或传播事件中提取出可建模结构。

陶哲轩擅长将抽象问题具体化，而这就是结构思维的典范。

三、语言与符号迁移能力

Symbolic Translation

把问题转译为数学、程序、逻辑语言的能力。

包括：

• 将生活问题翻译为数学表达式或逻辑图
• 将思维表达为可与AI协同的“prompt”
• 将结果再解释成普通语言，进行沟通

不是让每个人学习微积分，而是能用模型方式去思考问题。

四、跨领域类比与模型迁移能力

Cross-domain analogical reasoning

将一个领域的解决方案类比迁移到另一个场景。

包括：

• 从自然系统中类比社会系统（生态模型 → 舆论系统）
• 把一个算法用在不同问题上（如图神经网络用于城市交通预测）

陶哲轩的很多数学论文体现出这种高度抽象的类比迁移能力。

五、人机协作能力

Human-AI Collaboration

会使用 AI，本身不是迁移力；能与 AI 协作解决未定义问题，才是。

包括：

• 识别AI的边界与偏差
• 设计输入（prompt engineering）以激发AI最优解
• 整合人类直觉 + AI计算能力，创造新的问题解决方式

这是陶哲轩近期研究中不断实践的方向：如何让人类与AI形成“数学上的合拍”。

六、跨文化与跨学科沟通能力

Cross-cultural and interdisciplinary communication skills

即使你能解决问题，也要能让别人听懂。

包括：

• 用简单语言解释复杂模型
• 与不懂数学的人讨论模型含义与决策后果
• 将科学语言转换为公共语言（science communication）

这与“公民科学”精神相连，是科学民主化的前提。