2026年3月14日，國(guó)際高中部舉行第三屆國(guó)際數(shù)學(xué)節(jié)。這次的主題是擁抱AI并成為AI的主人。國(guó)際高中部校長(zhǎng)李翠銀和雅思外教Helena以及普高部高一年級(jí)主任李駿分別致開幕詞、主旨發(fā)言和閉幕詞。國(guó)際高中部Emily和Allen雙語(yǔ)主持。主要內(nèi)容歸納如下：

　　首先，我們需要認(rèn)知AI，理解AI的本質(zhì)。
　　AI不是“魔法”，是“增強(qiáng)器”：大語(yǔ)言模型（如ChatGPT）和生成式AI（如Midjourney）的工作原理是基于人類已有知識(shí)的超級(jí)高效的“模式連接器”和“內(nèi)容生成器”，而非擁有獨(dú)立意識(shí)和創(chuàng)造力的“新物種”?，F(xiàn)在，從“替代思維”到“增強(qiáng)思維”，我們可以用AI快速生成報(bào)告草稿、提供數(shù)據(jù)洞察，從而將時(shí)間專注于更高階的戰(zhàn)略分析和人性化表達(dá)。但是AI有局限，所以我們?nèi)祟惥陀胁豢商娲?。特別是我們獨(dú)特的批判性思維能力、共情力、提出有價(jià)值的真問(wèn)題的質(zhì)疑能力、以及基于經(jīng)驗(yàn)的直覺，正是我們科學(xué)駕馭AI的方向盤。
　　
　　其次，我們要擁抱AI，將AI融入工作流程。
　　擁抱AI不是跟風(fēng)，而是有策略地將AI轉(zhuǎn)化為我們的“副駕駛”。例如，一個(gè)市場(chǎng)運(yùn)營(yíng)經(jīng)理用AI批量生成宣傳文案框架、進(jìn)行競(jìng)品分析、構(gòu)思社交媒體創(chuàng)意。再比如，你們學(xué)生用AI輔助文獻(xiàn)綜述、梳理知識(shí)脈絡(luò)、優(yōu)化論文表達(dá)。還有設(shè)計(jì)師們用AI進(jìn)行頭腦風(fēng)暴、生成初始概念圖、獲取靈感啟發(fā)。還有行政部門管理者，用AI快速整理會(huì)議紀(jì)要、生成項(xiàng)目計(jì)劃草案、進(jìn)行風(fēng)險(xiǎn)模擬分析。但是，我們的“提問(wèn)力”是核心技能，我們需要提出好的提示（Prompt），因?yàn)椤敖巧?任務(wù)-目標(biāo)-格式”的框架是需要從模糊變成優(yōu)秀的Prompt。
　　最后，我們要控制AI，構(gòu)建人機(jī)協(xié)作優(yōu)勢(shì)。
　　我們的終極目標(biāo)是讓人機(jī)協(xié)作創(chuàng)造出1+1>2的獨(dú)特價(jià)值。迭代與精修，展示一個(gè)完整的人機(jī)協(xié)作閉環(huán)。首先我們提出構(gòu)想->AI生成初稿->然后我們進(jìn)行批判性評(píng)估、調(diào)整方向->AI再次優(yōu)化->最后我們注入靈魂（情感、風(fēng)格、深度判斷）。整個(gè)過(guò)程，強(qiáng)調(diào)“人”始終是品質(zhì)的最終把控者和價(jià)值的賦予者。所以，AI的浪潮不是我們要躲避的海嘯，而是我們可以駕馭的風(fēng)帆。喚醒認(rèn)知，是看清方向；擁抱工具，是安裝引擎；成為主人，是親手掌舵，駛向?qū)儆谧约旱臄?shù)學(xué)新大陸。同學(xué)們，未來(lái)是善于利用AI的人的未來(lái)。愿我們都能主動(dòng)出擊，不只成為AI的使用者，更成為AI時(shí)代真正的“船長(zhǎng)”。
　　補(bǔ)充說(shuō)明，AI和數(shù)學(xué)的關(guān)系，可以說(shuō)是血肉與靈魂的關(guān)系。
　　數(shù)學(xué)不僅為AI提供了理論基礎(chǔ)，更是其運(yùn)行的底層語(yǔ)言。
　　第一、數(shù)學(xué)是AI的“根”：AI的起源可追溯到數(shù)學(xué)領(lǐng)域?qū)Α澳芊裼脭?shù)學(xué)描述人類思考”的探索。數(shù)理邏輯的創(chuàng)立，讓“形式化推理”成為可能，為后來(lái)用算法模擬智能埋下了種子。
　　第二、數(shù)學(xué)是AI的“骨架”：現(xiàn)代AI的核心技術(shù)完全建立在數(shù)學(xué)分支之上。
　　第三、線性代數(shù)是AI的“語(yǔ)言”。所有的數(shù)據(jù)（圖像、文本、聲音）都被轉(zhuǎn)化為向量和矩陣，模型的學(xué)習(xí)過(guò)程就是通過(guò)矩陣運(yùn)算來(lái)轉(zhuǎn)換數(shù)據(jù)。
　　第四、概率與統(tǒng)計(jì)是AI的“方法論”。AI需要根據(jù)不完整的信息做決策，這時(shí)就需要依賴貝葉斯定理（根據(jù)新證據(jù)更新信念）等工具來(lái)量化不確定性，進(jìn)行預(yù)測(cè)。
　　第五、微積分是AI的“引擎”。模型通過(guò)梯度下降等優(yōu)化方法，利用導(dǎo)數(shù)找到誤差最小的方向，不斷更新參數(shù)來(lái)“學(xué)習(xí)”模式。
　　第六、優(yōu)化理論是AI的“方向盤”。它確保能找到問(wèn)題的最優(yōu)解，或在多個(gè)目標(biāo)（如速度與精度）間找到平衡點(diǎn)。
　　AI反過(guò)來(lái)也在重塑數(shù)學(xué)：這種關(guān)系是雙向的，AI也已成為數(shù)學(xué)家的“副駕駛”。
　　總之，如果想入門AI，不必等數(shù)學(xué)完美無(wú)缺才開始，關(guān)鍵是要理解核心思想。在實(shí)踐中遇到問(wèn)題，再回頭查閱相關(guān)數(shù)學(xué)概念，往往是更高效的學(xué)習(xí)路徑。