从这一章开始（17）

那个学生把便签纸夹回习题册的动作，在第十六章结尾时看起来像是一个终点。她学会了在解题时间歇性地停下来，用一句话写出决策依据。这个动作沉默、缓慢、不可见，但它确实改变了她的学习轨迹。

迁移测试的考场上，她认出了隐藏在陌生图形背后的抽象结构。那一刻，自我解释已经从外部指令内化为认知习惯。但终点从来不是终点。当她合上习题册，一个更棘手的问题会自然地浮现出来：她能走多远？这不是一个可以用“继续努力”来回答的问题。

前十六章拆解了认知机制、学习策略和常见误区，它们共同指向一个乐观的结论——数学能力在很大程度上是可塑的。工作记忆的瓶颈可以通过组块化绕过，数学焦虑可以通过渐进暴露脱敏，错题的深层结构可以通过自我解释提取。这些方法有效，实验数据支持它们，迁移测试证实它们。但“可塑”不等于“无限可塑”。“可塑”是一个定性判断，它告诉你改变是可能的。

它不告诉你改变的范围有多大，不告诉你不同的人从同一种干预中获益的程度是否相同，更不告诉你是否存在某个难以逾越的上限。这些问题不属于学习策略的范畴，它们属于一个更基础、也更让人不舒服的领域——生物学边界。

要进入这个领域，我们需要从一张脑扫描图开始。21世纪初，磁共振成像技术的普及让研究者得以系统比较不同人群的大脑结构。一系列研究聚焦于大脑顶叶深处一条名为“顶内沟”的沟回。这个区域被反复证实参与数量加工——当你判断两个数字谁大谁小、估算一堆圆点的个数、或者在心里移动数轴上的位置时，顶内沟都在活跃。

它是数学认知的核心枢纽之一。研究者发现了一个令人瞩目的差异：数学能力较强的个体——数学家、工程师、物理学者——其顶内沟及附近顶叶皮层的灰质密度，显著高于数学经验较少的普通人群。灰质密度这个指标，测量的是给定脑区内神经元胞体、树突和支持细胞的密集程度。更高的灰质密度通常被解释为该脑区功能更强，或者经历了某种可塑性变化。

这个发现很容易被解读为“数学训练改变了大脑”。这个解读并非没有依据。神经科学早已确立“经验依赖可塑性”的原则——大脑的结构会因应长期的使用模式而发生改变。伦敦出租车司机的海马体后部比普通人更大，而且驾龄越长，这种差异越明显。小提琴手左手对应的躯体感觉皮层区域比非音乐家更厚。如果记路和拉琴都能改变大脑结构，那么长年累月的数学思考为什么不能？

问题在于，脑扫描图只是一张快照。它捕捉到的是差异，不是差异的成因。那些顶内沟灰质密度更高的数学家，是数学训练塑造了他们的大脑，还是他们天生就拥有一个更发达的顶内沟，从而更容易被数学吸引、更可能在数学领域坚持下去？如果答案是后者，那么脑扫描图揭示的就不是可塑性，而是天赋的生物学标记。

这是一个经典的“鸡与蛋”问题。它也是天赋叙事最后的、看似最坚实的堡垒。

前面那些关于“数学差不是因为笨”的论证，面对这张脑扫描图时，会遇到一个无法绕过的挑战：如果大脑结构本身存在先天差异，那么“努力就能学好”是不是一种善意的谎言？科学回应这个问题的方式，不是站队，而是引入时间维度。

2010年代，一项纵向研究提供了关键线索。研究者招募了一批尚未接受高等数学训练的青少年，在他们开始密集的数学学习之前扫描了大脑结构，然后追踪他们在随后几年的数学成绩变化。研究设计的关键在于：如果顶内沟的灰质密度差异完全是先天决定的，那么初始的脑结构应该能准确预测后来的数学成绩，而且这种预测力不应该被后期的学习经验所改变。数据推翻了这个极端假设。初始的顶内沟灰质密度确实与后来的数学成绩存在相关性，但这个相关性并不强。

更重要的是，那些初始灰质密度并不突出、但在追踪期间接受了大量数学训练的学生，其顶内沟灰质密度出现了显著增长，而且这种增长与他们数学成绩的提升相关。换句话说，训练确实改变了大脑结构，而且这种改变与能力提升同步发生。

但这并不是一个“努力万能”的胜利。同一个研究还发现，初始灰质密度最高的那部分学生，在同样的训练量下，成绩提升的幅度确实更大。他们似乎从训练中“获益”更多。这个发现指向一个更微妙的图景：大脑结构既不是完全由基因锁定的宿命，也不是一张任由经验涂抹的白纸。它更像是一套对特定经验具有不同敏感度的初始配置。

要理解这种“初始配置”从何而来，我们需要进入第二环证据：双胞胎研究。行为遗传学中，双胞胎设计是分离遗传与环境影响的经典方法。逻辑很简单：同卵双胞胎共享几乎100%的基因，异卵双胞胎平均共享约50%的基因。如果某种特质在同卵双胞胎之间的相似性显著高于异卵双胞胎，就可以推断遗传因素在起作用。通过比较一起抚养和分开抚养的双胞胎，还可以进一步分离家庭环境的影响。数学能力的双胞胎研究给出了一个清晰但不简单的答案。在小学阶段，数学成绩的遗传力估计值通常在40%到60%之间。

这意味着，在同一所学校、同一套教学体系下，学生之间数学成绩差异的将近一半可以用遗传差异来解释。这个数字在青春期后会进一步升高，达到60%甚至70%以上。这些数字听起来像是在为天赋决定论背书。但它们不是。

遗传力是一个经常被误解的统计量。它描述的是在特定人群中、特定环境下，遗传差异能解释多少个体间差异。它不是一个固定的常数，不告诉你某个个体的数学能力有多少“来自基因”。

更重要的是，遗传力估计值会随着环境的变化而变化。在环境差异很小的群体中——比如所有孩子都上同样质量的学校、获得同样丰富的学习资源——遗传力的估计值会更高，因为环境差异被控制住了，剩下的个体差异更可能反映遗传差异。在环境差异巨大的群体中，遗传力的估计值则会降低，因为环境的不均等本身就会制造大量差异。这意味着，高遗传力并不等于“环境不重要”。恰恰相反，它暗示着：当环境已经足够好、足够均等时，剩下的个体差异才主要来自遗传。

对于大多数挣扎在及格线上的学生来说，问题从来不是遗传上限太低，而是环境远未达到“足够好”的标准。但遗传力的存在确实意味着，数学能力并非一张白纸。基因在起作用。问题在于，它们起的是什么作用？

纵向干预研究——第三环证据——开始回答这个问题。这类研究追踪的是：当一群孩子接受同样强度的数学干预时，谁获益最大？一项覆盖数百名数学困难儿童的研究给出了答案。所有孩子都接受了为期一学期的小组辅导，课程设计基于认知科学原理，包括数感重建、策略教学和渐进练习。结果发现，几乎所有孩子的成绩都有提升。但提升的幅度差异巨大。有些孩子从垫底跃升到中等水平，有些孩子只前进了几个百分位。

研究者接着问：什么因素预测了提升幅度？答案是，初始的工作记忆容量和加工速度确实有预测力——这两个特质本身具有较高的遗传力。加工速度更快、工作记忆容量更大的孩子，从同样的干预中获益更多。但预测力并不强。

更强的预测因素来自一些不那么“硬核”的特质：学习动机、课堂专注度、以及——最重要的——干预前的数学焦虑水平。焦虑越低，获益越大。这个发现将遗传影响从“能不能学会”降级为“学习的初始斜率”。加工速度更快的人，在单位时间内能处理更多信息，学习新概念的初始阶段可能更快。工作记忆容量更大的人，能同时在脑海中保持更多中间步骤，解决复杂问题时可能更流畅。这些都是真实存在的差异。但它们影响的是学习的速度和效率，而不是学习的可能性。

这里需要一个概念来整合所有这些证据。这个概念叫“反应范围”。反应范围是发育生物学中的一个经典模型。它认为，基因型并不直接决定表现型的单一结果，而是设定了一个可能性的区间。在这个区间内，环境因素决定个体最终落在哪个位置。不同的基因型有不同的反应范围。有些基因型的反应范围很宽——在不同环境下，表现型可以差异巨大。有些基因型的反应范围较窄——无论环境如何变化，表现型都相对稳定。

把这个模型应用到数学能力上：基因可能设定了你数学能力的上限和下限，但上限和下限之间的距离——那个可能的区间——可能相当宽广。对于大多数人来说，这个区间覆盖的范围远远大于他们实际经历过的变化。换句话说，绝大多数人从未接近过自己的上限。他们卡在区间底部附近，不是因为天花板太低，而是因为从未获得过能让他们往上移动的条件——有效的教学策略、足够的练习机会、被管理的数学焦虑、被重建的数感基础。这个模型也解释了为什么那些“天才”故事常常具有误导性。

我们倾向于把早期表现出的计算速度误认为数学才能的全部。一个五岁就能心算三位数乘法的孩子，会被贴上“数学天才”的标签。但数学思维远不止计算速度。它涉及模式识别、抽象推理、对结构的敏感、以及——也许最重要的——面对一个从未见过的问题时，愿意花很长时间思考的倾向。这些更深层的数学思维往往成熟得更慢。有些最终成为杰出数学家的人，在早期学校教育中并不显眼，甚至表现平平。

他们的计算速度可能从来没有特别快过，但他们以另一种方式与数学相处——更慢，更深入，更愿意在困惑中停留。这种认知风格很难被早期的标准化测试捕捉到，但它可能比计算速度更接近数学思维的核心。一项元分析研究审视了“早期计算能力”与“后期数学成就”之间的相关性。结果发现，这种相关性确实存在，但可能被高估了。早期计算流畅性主要预测的是后期计算流畅性，对数学推理能力、问题解决能力和概念理解深度的预测力则弱得多。而我们通常所说的“数学能力”，尤其是在高等教育和科研中发挥作用的，恰恰是后者而非前者。

这意味着，“数学天赋”这个概念本身具有文化建构性。我们选择用什么样的指标来识别天赋，决定了我们会把谁看作“有天赋的人”。如果我们用计算速度作为指标，我们就会把一批计算快的孩子识别为天才，而忽略那些思考更深但速度不快的孩子。这不是在否认天赋的存在，而是在追问：我们测量的天赋，究竟是不是我们真正在乎的那种能力？这些证据共同指向一个微妙的位置。

数学能力的确存在遗传基础。顶内沟的初始结构、工作记忆容量、加工速度——这些都有遗传成分。否认这一点，既不符合科学证据，也不诚实。

但这些遗传基础影响的主要是“学习的初始斜率”和“最终能达到的上限”，而非“学会”这个二元问题。基因可能决定了你跑多快、能跑多远，但它没有决定你能不能跑。对于绝大多数挣扎在及格线上的人来说，问题从来不是上限太低，而是从未接近过自己的上限。他们的困难源于数感基础未建立、工作记忆被不当的教学方式压垮、数学焦虑阻断了认知资源、错题从未被真正归因——这些都是前十六章讨论过的、可以通过适当干预改变的因素。

承认生物学边界的存在，并不会削弱这些干预的有效性。它只是诚实地指出：同样的干预，对不同的人效果不同；有些人可能需要更多的时间、更密集的支持，才能达到同样的水平；而每个人的最终高度，确实存在一个由生物学设定的天花板。但这个天花板在哪里？没有人能提前知道。反应范围模型告诉我们，基因设定的区间可能相当宽广。

除非一个人已经获得了最优的学习条件——最好的教学、最充足的练习、最有效的策略、最少的焦虑——否则我们无法判断他目前的位置离上限还有多远。而对于大多数数学困难者来说，他们离最优学习条件的距离，远大于他们离自己上限的距离。

这就是本章的核心论断：承认生物学边界的存在，并不削弱可塑性叙事的力量，反而让它更诚实、更有用。可塑性叙事不需要承诺“每个人都能达到同样的高度”，它只需要承诺“大多数人都能比现在好得多”。这个更谦虚的承诺，证据支持它，实践验证它。

这个论断还有一个隐含的推论：那些最热衷于讨论“数学天赋”的人，往往不是在讨论科学证据。天赋叙事在社会生活中扮演的角色，远比它在科学文献中扮演的角色复杂。它可以是一种安慰——“我数学不好是因为没有数学脑子”。它可以是一种身份的宣告——“我们家族就没有数学基因”。它可以是一种教育政策的借口——“有些孩子就是不适合学数学，所以不需要在他们身上投入太多资源”。

这些用法有一个共同特点：它们都发生在一个人远未接近自己的上限之前。天赋叙事被提前启动，作为一种解释失败的方式，而不是作为一种对已达极限的客观描述。它的社会功能不是描述现实，而是终止努力、固化分层、为资源分配的不均等提供合法性。反过来，那些最坚信“努力万能”的人，往往也引用同一批科学证据。他们会说，脑扫描图证明了大脑是可塑的，双胞胎研究中的遗传力不等于宿命，干预研究证明了大多数人都能进步。这些说法本身没有错。

但它们同样可能被过度延伸，变成一种对个体差异的否认，变成对“为什么我努力了还是不如别人”这个痛苦问题的粗暴回应——“你只是不够努力”。两种叙事都从科学证据中截取了自己需要的那部分，得出了截然相反的结论。

天赋决定论者看到了遗传力和脑结构差异，努力万能论者看到了可塑性和干预效果。他们都对，又都不完全对。因为他们共享一个前提：这个问题必须是二选一的。要么天赋决定一切，要么努力决定一切。

但科学证据指向的恰恰是这个前提本身的问题——它不是一个“非此即彼”的问题，而是一个“区间与位置”的问题。基因设定了区间，环境、教育和个人的学习策略决定了你落在区间的哪个位置。这两个陈述同时为真，不需要在它们之间做出选择。真正需要选择的，是我们面对这个事实时的姿态：是用“区间”的存在来为放弃提供理由，还是用它来诚实地评估处境、制定现实的预期、然后着手改变那些可以改变的部分。

那个把便签纸夹回习题册的学生，她的顶内沟灰质密度可能永远不会达到数学家的水平。她的加工速度可能永远比一些人慢，她的工作记忆容量可能永远比一些人小。

但这些事实并不回答她能走多远的问题。它们只告诉她，她走的路可能比别人更费力，她需要比别人更多的策略支持，她的天花板可能比别人低。

但这些都不改变一个更基本的事实：她还远没有碰到那个天花板。从这一章开始，我们进入了一个更诚实的领域。前十六章的乐观主义没有消失，但它被安放在了一个更精确的框架里。

数学能力是可塑的——是的，在反应范围之内。大多数人都能比现在好得多——是的，因为他们离自己的上限还很远。但可塑性不是无限的，不同的人从同样的努力中获益不同，而每个人的最终高度确实存在一个生物学设定的、目前无法逾越的边界。承认这个边界，不是可塑性叙事的失败，而是它的成年。它从一种天真的“每个人都能做到任何事情”的热情，成熟为一种更清醒的“在给定条件下，你能达到的最好状态是什么”的追问。这个追问不会让你感觉更好，但它会让你更清楚自己在做什么。

而那些关于天赋与努力的争论，那些用同一批科学证据得出相反结论的人，他们的分歧也许从来不在证据本身。证据说的是：基因重要，环境也重要，它们以复杂的方式相互作用，设定了一个宽广但有限的可能性空间。这个结论不够极端，不够满足任何一方的叙事需求。

它不能用来宣告“你注定失败”，也不能用来承诺“你一定能成功”。它只能说：这取决于很多因素，其中一些你无法控制，但另一些你可以。这个回答让人不舒服。

它要求我们同时持有两个看似矛盾的观念：承认限制的存在，同时不放弃在限制之内行动的责任。它要求我们在“天赋决定论”的宿命和“努力万能论”的幻觉之间，找到一条更窄、更难走、但更接近真实的路。这条路通向一个更尖锐的问题：如果生物学边界确实存在，如果反应范围的上限由基因设定，那么我们能不能直接用技术手段突破这个边界？能不能用药物增强工作记忆、用电磁刺激加速加工速度、用脑机接口扩展顶内沟的功能？这个问题不再是“边界在哪里”，而是“我们能不能拆除边界”。它不再是科学描述的问题，而是技术干预的问题；它不再是“是什么”，而是“我们要不要做”。