图灵奖得主唐加拉：“AI不可能包办一切”——为什么研究生还要学好数学和统计

2026年10月26日讯 据科技日报10月20日报道，在第二届国际人工智能科学家大会上，图灵奖获得者杰克·唐加拉说：“AI不可能包办一切，我鼓励大家继续学习数学，继续自己正在走的路。”另一位图灵奖获得者罗杰·瑞迪也表示，“我们要运用人类智慧有效地驾驭人工智能，也需要以负责任的方式对其进行治理。”

AI会写代码了，为什么还要学数学？

现在，让AI写一段回归分析的代码只需要几秒钟。但很多研究中的错误，并不出在代码上，而是出在方法的选择上：数据不满足正态分布却用了t检验，存在内生性却直接做普通最小二乘回归，多重比较没有校正，样本量太小却得出强结论。这些问题AI有时能提醒你，有时不能；即使提醒了，判断是否采纳仍然需要你懂得背后的原理。

唐加拉的话，对研究生尤其有针对性。工具降低了执行的门槛，但没有降低判断的门槛。一个不懂统计的研究者，拿着AI生成的漂亮图表和显著的p值，可能比没有工具的时候更容易犯错，因为错误被包装得更体面了。

图表好看不等于结论可靠，判断方法是否合适需要数学功底（插画）

研究生的数学和统计学到什么程度够用？

虽然不同学科有不一样的要求，但有一条共同的底线——理解自己使用的每种统计方法的基本假设、了解检验统计量与置信区间的意义、读懂模型结果中每个数值的含义、能够评估效应量的实际意义。做定量研究的同学最好用纸笔推一下自己模型的主体公式，在答辩被问到方法细节时会很有帮助。

怎样让AI成为学数学的帮手而不是替身？

一个好习惯是让AI解释，而不只是让它执行。在PaperOK科研助手里做数据分析时，可以要求智能体在运行代码之前先说明为什么选择这个方法、需要检验哪些前提条件，运行之后解释每个输出指标的含义。科研助手直接调用电脑上的Python或R环境，代码真实运行，脚本可以保存下来，你可以对照教材逐行理解。它的数学建模与统计模式内置了这一方向的专业知识和插件。

让AI解释每一步的原理，在用的过程中把数学学会（插画）

另一个习惯是用不同方法交叉验证。比如同一个问题，先让AI用一种方法做，再自己用另一种方法或者手算一个简化的例子，看结论是否一致。不一致的时候，正是深入理解的机会。官网案例中，一次方法章节写作任务就另派代理独立复算了208个数值，这种复算的思路同样适用于自己的分析。

常见问题

问：文科生需要学统计吗？

做定量的人文社科研究生，需要了解与研究方法有关的统计知识；而做定性的也需要了解基本的抽样与推断逻辑，这样才能阅读和评论文献。

问：用AI做的统计分析，论文里要怎么写？

在方法中如实记录使用的统计方法及软件，并在AI使用声明中指出AI在分析中的角色，保留可重复的脚本。