|
|
本帖最后由 晨枫 于 2026-4-10 17:49 编辑
" j$ G; ]) h- Q0 m4 u6 W' M
, u3 B a- X' [/ k2 [1 ?AI大潮浩浩荡荡,顺AI者昌,逆AI者亡。呼吁出台政策保护人类就业没用,向AI征税来给人类发钱也没用。人类要跑赢AI,需要学会驾驭AI,而不是被AI驾驭。这从学习开始。但在AI时代,学习意味着什么?
; ` |% e% _6 B g4 _+ o3 A4 O, d( s) Y
曾经有一个时候,一目十行、过目不忘、思路敏捷、条理清晰是读书人的硬功夫。现在不行了。跟AI比输入速度?那不是差几条街的问题,而是光速和龟速的差别。跟AI比记性?更是开玩笑了。跟AI比推理速度?好像也越来越吃力了。
0 w/ [, }1 A9 e5 R2 q/ B; W. A [+ _6 b* ?# n2 c& u
那人类还能干什么呢?如何才能跑赢AI呢?
* j7 b3 d% B! K( W2 a
% c/ Q" v5 V k7 y. j! ~! B; o3 H# H现在,AI有生成式AI和代理式AI。生成式AI可以读书读报写小结,还可以吟诗作画赔聊天;代理式AI把任务分解,调用特定AI功能完成子任务后,再“组装”成完整的任务解决方案包。: o" W1 E1 d+ T2 ^4 L' ]9 e
, p) B7 ]. l2 d7 @% L0 H: f
不管是是生成式AI还是代理式AI,人都处于核心位置,不能放任不管,而必须监督、鉴别AI是不是靠谱,更要防备AI是否在挖坑。9 q$ f; X4 [3 n% d
- L0 [4 h$ X+ b5 x4 k- O
AI不会有意挖坑,因为AI没有这个“意”。AI挖坑的机制现在还不完全理解,就和AI推理的机制现在不完全理解一样。主要是AI实在太复杂了,没法追索每一条思路、从整体到局部统统理解AI到底在干什么。
" `4 |) c W2 d- ^" @$ t! [
! J" U, V$ s- n4 Q9 o2 n. ^% j但在整体上,还真是必须理解、监督,否则被带到坑里,就真的死都不知道怎么死的。
/ b2 r2 w4 g' H8 Q3 d) B/ W4 B6 U2 H! [% q* Z
这需要有判断力,就需要学习,要懂得相关的领域知识,熟谙相关的领域经验。不仅要知其然,更要知其所以然。但不再是倒背如流,而是知道定性的、方向性的特质,需要知道到哪里去查、怎么查定量的、具体的细节。换句话说,要知道AI在干什么,依据是什么。具体数值和细节倒是可以让AI帮着记、帮着查。% O3 z2 Z9 e9 U$ \. k; S
( U" n- |' H/ [8 x
中国教育里,高度强调知其然,对知其所以然的强调不够,具体就是强调解题,但对学科发展思路相对不够重视。这是培养打工人的思路,但在AI时代,打工人也必须同时是team leader,只是team member可能是AI助手、“数字同事”。在工作上,可能也要从“面向任务”(task oriented)转向“面向使命”(mission oriented),从“怎么做”上升到“做什么,为什么”。2 A) W& x L) ]- K2 F, f6 d f
1 N' P9 v8 t' T0 S
说起来,传统教育或许可以生成式AI相对应,AI时代的教育需要上升到与代理式AI相对应,才能跟上时代的步伐。
, y% y" Y3 \, n; }# R$ `4 e
+ Z! \ L) D$ i还记得爱迪生vs爱因斯坦的学习方法梗吗?爱迪生强调“1%天分+99%努力”的极致实践与高强度实验,各种方法和数据必须烂熟于心,才能以最高效率立刻动手、证实或证伪一个想法;爱因斯坦则推崇直觉思维、思想实验与对原理的深刻理解,反对死记硬背,书本能查到的知识无需记忆,重点在于理解和运用。
, y, Q* |) B' ~, M' Z6 x1 c6 H) ?: j6 \! n) `7 p
是时候拥抱爱因斯坦路线,而淡化爱迪生路线了,因为人类不可能在记忆和肌肉反应方面跑赢AI。# |+ E6 M; f' v7 \1 o
. y/ |/ d- ?% C. |5 Y; ]/ L
回到学习,未来学生真正该焦虑的,不是“我学文还是学理”,而是:我是否具备了AI无法替代的核心能力?需要重视的是: r6 c% U- D/ N
$ B' V2 d! K9 A4 ~
1、提出好问题的能力:当AI越来越擅长回答,真正稀缺的是发现问题、定义问题、提出关键问题。& o4 g! l: U2 [: h- z. D) h0 q' \
2、批判性思维:面对AI生成的“看似正确”内容,保持必要的怀疑,不盲从、不轻信,多方求证,做出清醒判断。
' a- N3 F- O2 e8 Y. f3、创造力:产生新思想、发现和创造新事物的能力,包括有创意和有价值的想法、解决方案或作品的能力;AI只是在现有数据中不断学习和整合,还不能拥有真正突变性的创造力。
$ O/ P# H) z4 L6 V/ H* h4、跨领域整合能力:能把技术、制度、伦理、社会、政治、人文、市场等不同知识连接起来,处理真实世界里的复杂问题。
3 u0 l9 m# X1 @ [" L- t" \5、终身学习能力:技术更替迭代太快,今天的熟练很可能明天就过时,唯有持续学习,才能真正保持竞争力。 |
评分
-
查看全部评分
|