從感性角度看，我希望是她是真實的。

1、不是希望出了一個數學天才，而是希望：

人人都有熱愛數學的權利。

在此基礎上，才會涌現出數學天才。

尤其是在當下，網紅規劃大師給“普通人家”的孩子當引路人，一切混不著飯吃的專業都被認為是“耍流氓”。

此時，這樣一個純粹地沉浸在數學世界中的女孩的出現，仿若一縷清風。????????

2、錢穎一曾經說，中國人才培養的“均值”高，“方差”卻小。

“均值”和“方差”是統計學的概念：

“均值”是衡量一個隨機變量的平均數；

“方差”是衡量一個隨機變量偏離平均數的累加起來的程度。

簡單地說，“方差”小就是兩端的人少，出眾的人少，“杰出人才”少，“拔尖創新人才”少。

一個形象的比喻是：有高原，沒高峰。

3、這個話題背后們，就是錢學森之問：

為什么我們的學校總是培養不出杰出人才？

錢穎一認為，恐怕這個問題本身就有問題。

他說：杰出人才是“培養“出來的嗎？也許不是。

杰出人才很可能是在一種有利的環境中“冒”出來的。

這個話題很大，以下說幾點和姜萍現象有關的。????

4、也許應該用一種“自下而上”的思維，來孕育“天才”。

天才是無法被設計的。

馬拉多納小時候，沒人知道他是超級天才。他是從阿根廷無數個熱愛足球的少年中涌現出來的。???????????

有多少人還記得咱們定向選拔“天才足球少年”，然后送去歐洲南美突擊訓練的往事？

馬斯克也不是天才。

最早他想造火箭的時候，那幫火箭發燒友們還不帶他玩兒。?

馬斯克的成功，是因為有一大堆小時候就在后院兒自己造火箭的愛好者們。

馬斯克的天才，在于他能夠組織和激勵這些默默無聞的技術天才們，這些人愿意為一個遙不可及的夢想獻出一切。??

從這個角度看，我們需要更多的“姜萍們”，而不是需要更多馬斯克。????????

有一顆馬斯克的心的人已經夠多了。

我們總在說喬布斯的人文天賦，他小時候也是一個普通的無線電愛好者，還能打電話給惠普的創始人尋求幫助。

某鄰國本世紀以來，大規?！爸圃臁敝Z獎得主，也是得益于系統化的自下而上的長期努力。?????

試圖自上而下選拔“天才”，定向培養“天才”，不符合大自然的規律。

在教育上，過早分層，過早優化，只會批量生產“傷仲永”的故事。???

5、我們總說自己的基礎教育好，拿各種金牌，最后只是為了上個名校。然后當公務員，或是進金融機構進大廠當個螺絲釘。

當然，螺絲釘也沒啥，愛因斯坦和卡夫卡都是在螺絲釘的崗位上創造了奇跡。并且，也不是每個人都要創造奇跡。

諾獎得主李政道曾經資助一千名中國學生去海外深造基礎學科，但據說絕大多數都轉行了。

網紅大師永遠鼓勵大家只選擇“有前途”的職業，新聞呀地產呀這種行業萬萬不可選。

可他幾年前也推薦過當時看起來還行的“土木工程”，誰又能保證他現在推薦的專業將來就不被AI“消滅”呢？?

被實用主義驅趕 ，永遠是焦慮、短視、平庸的，也很可憐。?

稀缺會抑制創造力和想象力。?

物質上的稀缺如此，而精神上的稀缺危害更大。

6、深度學習之父辛頓，畢業后曾經做過兩年木匠，后來發現自己這方面沒啥天賦，才又回來搞AI。?????????

海外有幾個技術大拿，年輕時看起來都是瞎混，學一些歷史呀哲學呀等“無用”的專業，某一天突然覺醒，掉頭成為某個技術領域的高手。??????????

例如，弦論的創始人之一萊昂納特·薩斯坎德，年輕時做水管工，后來對物理感興趣，一路讀書，成為斯坦福大學的教授。

這里說的，其實是一種再次選擇的機會。

要給普通人再次追逐夢想的“二次逆轉”的通路。??

咱們的體系里，一日學渣，終生學渣。

也極少聽說過，某個文科專業的學生，后來成為理工科領域的大師。

（關于文科理科，這又是一個需要另外展開的巨大話題。）

再說回姜萍。

7、從理性角度看，我也不太相信橫空出世的奇跡。

凡是真刀真槍的領域，都離不開系統扎實的基本功。

尤其是在現代社會，由于信息的極度發達，不再有知識上的孤島。

其實，即使在牛頓時代，他也不是天外飛仙的。

8、當然，這個類比不精確。姜萍參加的是一個數學競賽，驗證的是一流人才，而不是驗證天才。

概括而言，這是一個極小概率為真的傳奇。但我希望極小概率事件成真。

哪怕姜萍沒有拿到“大獎”，作為一名中專生，還愿意自學充滿挑戰的大學數學，已經是一個極小概率的事情了。?????

9、即使美好成真，估計這個故事也會成為一個“中舉+逆襲”的傳統敘事。

人們從來都不是因為姜萍身為中專生卻熱愛數學而感動，而是陶醉于功名之后的草根幻想。

在大多數人的心底，姜萍不過是另一個郭有才。（他當然也很好。）

10、讀書人在我們的傳統中貌似一直被頌揚，其實并非如此。

我們一直贊美的，是那些獲得了“功名”的讀書人。

不管怎樣，我相信姜萍對數學的熱愛是純粹的。

祝福她，將來能繼續享受數學的快樂，哪怕沒有大獎，沒有排名。

（本文原發于知識星球）?