在人工智能（AI）技术迭代速度令人应接不暇的当下，全国政协委员、复旦大学教授丁光宏却展现出科研工作者特有的兴奋。

他的学术底色是数学，深入到各种AI软件的底层逻辑，他想起自己以前做过的研究——用人工神经网络模型分析心脑血管疾病，发现这些基础性探索与当下AI技术存在着深层的理论延续性。

“大语言模型基于海量语料形成的推理能力确实令人震撼。”他也承认，大语言模型只是AI能力的冰山一角，未来定会涌现更多令人惊叹的能力。

但焦虑是不存在的。

虽然自打AI延伸入教育领域后，各种声音此起彼伏：“教师的角色会被颠覆吗？”“使用的边界在哪里？”“教育会受到怎样的冲击？”……丁光宏却认为，如果将AI视作工具，就不难理解它与教育的结合，也能厘清所谓的使用边界。

比如人工智能赋能科学（AI for Science），某种程度上，这种赋能是指科学研究将AI用作处理数据的工具。“无论利用AI预测蛋白质序列的三维空间结构，还是用它进行医学影像诊断，AI都只是提升效率的工具。”它无法替代人脑灵光乍现的部分。丁光宏认为，即使通过大量科研论文、研究数据的“投喂”，AI或许生成某一种看似科学的突破性结论，它也不具备验证能力。

AI本应成为一种工具。只是当工具的功能延展到脑力层面时，人们有些不习惯。这些不了解与不习惯造成了“本领恐慌”。

由此，丁光宏认为，探讨如何赋能教育的前提是充分认识AI，“这不仅要求授业者掌握AI技术的底层逻辑，还要让学生充分意识到，什么是AI。只有深入了解技术本身，才能真正用好技术。”

他透露，今年，复旦大学本科招生，很多专业都有AI的影子——AI+航天、AI+新闻，连护理专业也有“AI+护理”课程。但这些“AI+”，不是让学生泛泛地使用“对话”等基本功能，而是把语言大模型的底层逻辑教给学生，“我们要培养一个会修车而非只会开车的驾驶员”。丁光宏说：“这就意味着，哪怕护理专业的学生也要学习高等数学，因为数学是了解AI技术逻辑的根基。”

作为授业者，丁光宏迅速地“拥抱”了技术。

春节期间，他试着让DeepSeek和豆包对话了半小时，从中辨别哪款AI软件的推理能力和语料库更强。他也用过国外某知名AI软件，做了一份长达14页的课件：“至少，我要知道AI的能力，才不会被年轻人糊弄。”