1913年，劍橋數學家哈代收到一封來自印度馬德拉斯一個陌生人的信。信里滿是定理，幾乎沒有解釋。有些看起來像瘋子寫的，有些看起來不可能。哈代後來說，這些結果"一定是對的，因為如果是錯的，沒人能有那樣的想像力發明它們。"
這個陌生人是拉馬努金，一個幾乎沒有接受過正規訓練的默默無聞的職員。他後來成為史上天賦最強的數學家之一。但最奇特的不是他的聰明，而是他常常在知道怎麼推導之前就到達了答案。證明是後來補的，如果補了的話。
答案先行，解釋後到：這正是每次我們使用大語言模型時發生的事。
拉馬努金16歲時拿到了一本劍橋入學考試的補習手冊：卡爾寫的《純粹與應用數學基礎結果概要》，包含約5000條定理，幾乎沒有推導過程。這本書給了他幾千個目的地，卻幾乎沒有通往那裏的道路。於是他自建道路，在書無物可教之後還走了很久。
但他為此付出了代價。1904年，他憑數學實力考入一所學院，一年後因為拒絕學任何其他科目丟了獎學金。他英語不及格。他在貧苦和半飢半飽中度過了多年，追逐那些有時沒有歸宿的結論。正是這種掙扎可能在天才之下構建了結構性的基礎。
AI的"損失函數"只是被修正的數字，系統里沒有任何東西因走錯路而受苦。拉馬努金在真實的損失中浪費了多年，並因此改變了。模型的"損失"和人的損失，是共享一個詞的兩回事。
如今，當AI可以即興給你推導過程、根據你的質疑重構論證時，那個用來逼問出誰只是抄答案的測試失效了。剩下的唯一方法是把機器從房間裏拿走。閉卷考試、凌晨2點的突擊提問、沒有時間去查任何東西，這些曾經被認為是人為製造的場景。但恰恰相反，日常世界才是那個被無處不在的工具支撐的人工狀態。
"答案是個影子。拉馬努金寫在黑板上的方程和我照着抄寫的看起來形狀完全一樣。但我的背後空無一物，他的背後是一個年輕人挨餓十年去理解為什麼它是真的。"
AI剝奪了我們看影子推斷後面物體形狀的能力。幾百年來，一個好答案是一個好頭腦的可靠證據。這個假設不再安全。問題從來不是機器會不會思考，而是當答案搶先到達的那一刻，影子背後還站得住的，是什麼。
