Hannah Hackney是加拿大蒙特利尔麦吉尔大学的一名博士生，她的团队主要研究有机分子的光学和电子性质。近期，她在研究一个特定反应机制时遇到了问题，发现该反应可以解释为何一些看似相似的分子稳定性差异巨大。然而，她意识到自己的计算技能不足以处理实验产生的大量数据。为了弥补这一短板，Hackney尝试通过人工智能（AI）进行自学编程。 起初，Hackney对AI的态度并不热心。她曾在闲暇时间通过免费应用、YouTube视频和书籍学习编程，但效果有限。后来，在同事的建议下，她开始使用基于大型语言模型（LLM）的工具，如ChatGPT和Claude。这些工具不仅帮助她快速掌握了基本的编程概念和语法，还加速了她的学习进程。特别是当她在处理具体编程任务时，ChatGPT等工具能够产生适用于简单任务的代码，这为她提供了练习更高级别编码技能的机会，如代码结构设计和调试。 Hackney发现AI在编程上的辅助比其他领域更为有效，原因在于编程处于她的知识边界附近。根据教育理论，人们在将新概念整合到已有的知识框架时学习效果最佳。二十世纪初的俄罗斯心理学家列夫·维果茨基提出了“最近发展区”的概念，指的是在一个比自己现有水平稍高的区域内，学生可以在“更有知识的他人”指导下有效学习。对于Hackney来说，AI就是那个“更有知识的他人”。 AI的学习方式具有高度互动性，可以迅速提供反馈，这对于快速进入学习状态非常有帮助。传统的教育模式中，教师无法实时回答每一个学生的每个问题，而AI则可以即时提供个性化指导。此外，AI还可以简化寻找信息的过程。在学习过程中，Hackney经常遇到需要查找特定答案的情况，通过AI工具，她可以迅速获得适合自己水平的解释，或即时提出跟进问题，大大提高了学习效率。 业内人士评价认为，这种利用AI进行自学的方式是科技与教育结合的一种创新，有助于降低学习门槛。对于科学家和研究人员来说，利用AI进行跨学科的学习变得越来越容易。ChatGPT、Claude和DeepSeek等工具不仅普及了编程学习，而且为那些已有逻辑思维和细节注意能力的人提供了快速掌握新技能的途径。