2026年7月2日,2026全球数字经济大会“数智经济与人才培养”专题论坛在首都经济贸易大学成功举行。来自政府部门、高校科研机构和行业领域的专家学者围绕数智经济时代的人才培养、教育改革与人工智能赋能高等教育等关键议题展开深入研讨,旨在回应人工智能快速发展背景下社会对高质量数智人才的需求。
中国科学院数学与系统科学研究院研究员袁亚湘以《AI时代的人才培养——一个数学工作者的思考》为题,从数学工作者的视角出发,分析了AI时代人才培养面临的冲击、机遇与挑战,并围绕数学思维、逻辑推理能力和复合型人才培养提出了系统思考。

袁亚湘指出,AI的快速发展对当下社会和教育领域带来了显著冲击,从数学工作者的角度看,不必对AI过于焦虑。AI 的底层本质是数学,大模型、机器学习、优化算法均建立在线性代数、微积分、概率统计等数学体系之上,是数学工具的工程化落地。AI擅长计算、拟合、枚举与数值求解,但无法自主完成抽象证明、逻辑构造与深度推导,更不能突破现有知识边界提出全新概念、开辟全新领域。这也意味着人才竞争的核心逻辑已发生转变:过去可能更强调计算速度和刷题熟练度,未来则更强调数学洞察力、建模思维和逻辑严谨性。数学不再只是理科专业课,而应成为金融、工程、计算机、人文社科定量分析等各行各业在人机协同中驾驭AI的重要基础素养。
围绕AI时代的人才培养,袁亚湘指出,高阶数学思维是人类对抗AI 的底层壁垒,抽象化思维、逻辑演绎思维、批判性思维、构造性思维和全局优化思维,构成了不可替代的人类核心优势。人类能够从复杂现实问题中提炼出数学模型,进行严谨推导、反证和完备证明,也能够识别AI的计算误差、判断模型漏洞和结果合理性,并进一步搭建新框架、设计新算法、提出新假设。这些能力正是AI时代人才培养应当重点强化的方向。
针对不同阶段的人才培养,袁亚湘给出具体建议:在中小学数学育人阶段,应降低机械计算训练比重,允许合理使用AI和计算器辅助运算,将课堂重心转向应用题建模、几何逻辑证明和误差分析;应增设简单算法通识,引导学生用概率、统计理解AI预测和大数据现象;作业与考试也应更加重视过程、思路和模型搭建,而不是单一结果。同时,应明确AI的使用边界:AI可以辅助计算,但证明、推导和建模思路必须独立完成。
在高校数学专业人才培养方面,应推动课程重构,将纯数学、应用数学与AI算法融合开设,增加机器学习数学理论、优化理论和大模型数学基础等内容;教学模式上,理论证明仍需人工推导以夯实逻辑,而数值仿真和大规模计算可更多交给AI工具完成。高校还应强化“校验AI”的能力训练,培养学生识别模型偏差、推导算法缺陷、修正AI输出错误的能力,并通过校企联合培养,对接人工智能和大数据行业,培养能够从数学层面改进算法的高端人才。
本次报告,袁亚湘教授从数学家的独特视角回应了AI时代人才培养的核心问题,为数智经济背景下高校教育改革、基础能力建设和复合型人才培养提供了重要启示。